监督学习简介

在监督学习中，用来训练算法的训练数据包含了答案，称为标签.
一个典型的监督学习任务是分类。垃圾邮件过滤器就是一个很好的例子：用许多带有归类（垃圾邮件或普通邮件）的邮件样本进行训练，过滤器必须还能对新邮件进行分类。
另一个典型任务是预测目标数值，例如给出一些特征（里程数、车龄、品牌等等）称作预测值，来预测一辆汽车的价格。这类任务称作回归。要训练这个系统，需要给出大
量汽车样本，包括它们的预测值和标签（即，它们的价格）。
一些回归算法也可以用来进行分类，反之亦然。例如，逻辑回归通常用来进行分类，它可以生成一个归属某一类的可能性的值（例如，20% 几率为垃圾邮件）。
下面是一些重要的监督学习算法：
● K 近邻算法
● 线性回归
● 逻辑回归
● 支持向量机（SVM）
● 决策树和随机森林
● 神经网络

标签：训练,简介,回归,分类,算法,学习,监督,垃圾邮件
来源： https://blog.csdn.net/m0_61946050/article/details/121718201