什么是监督学习（Supervised Learning）

监督学习就是计算机从已经有标签的数据中进行训练，对新的无标签的数据进行预测或分类。

在有监督的学习中，我们得到了一个数据集，并且已经知道正确的输出应该是什么样的，我们认为输入和输出之间是有关系的。

监督学习问题分为回归问题和分类问题。在回归问题中，我们试图在连续输出中预测结果，这意味着我们试图将输入变量映射到某个连续函数。在分类问题中，我们试图预测离散输出的结果。换句话说，我们试图将输入变量映射到离散的类别中。

监督学习中的数据特征可能会有很多，在此仅举几个简单的例子：

例1：
根据房地产市场上房屋面积的数据，试着预测它们的价格。价格作为规模的函数是一个连续的产出，所以这是一个回归问题。
我们可以把这个例子转化为一个分类问题，而不是让我们的输出关于房子“卖的比要价高还是低”，这里我们将根据价格将房子分为两个离散的类别。

例2：
（a） 回归-给定一个人的照片，我们必须根据给定的照片来预测他们的年龄
（b） 分类-给定一个肿瘤患者，我们必须预测肿瘤是恶性的还是良性的。