1.3.1　监督学习

监督学习（Supervised Learning）是从给定的训练数据集中学习出一个模型参数，然后根据这个模型对未知样本进行预测。在监督学习中，样本同时包含特征（输入）和标签（输出）。本质上，监督学习的目标是构建一个从输入到输出的映射，该映射用模型来表示。常见的监督学习算法有k近邻、朴素贝叶斯、决策树、随机森林、SVM等。根据预测结果输出的类别，可分为分类和回归。若预测值是连续的，则属于回归问题；若预测值是离散的，则属于分类问题。分类和回归如图1-8所示。

图1-8　分类与回归