监督学习是一种机器学习方法，其利用已知答案的示例训练网络，且输出与输入之间存在联系。
通常可基于训练资料学习或建立模式，并以此推测新的实例，其中训练资料由输入和预期输出组成，函数的输出可以是连续值或是预测分类。
监督学习的分类
监督学习常用于分类问题和回归问题，回归和分类算法区别在于输出变量的类型，其中回归指定量输出或连续变量预测；分类指定型输出或离散变量预测。
机器学习方法分类
机器学习领域主要有以下三种方法：
- 监督学习：使用已知答案样例训练；
- 非监督学习：直接对输入数据集建模，例如聚类；
- 半监督学习：综合利用含类标数据及无类标数据，并以此生成合适的函数。
常用的监督学习
- K 邻近算法
- 决策树
- 朴素贝叶斯
- 逻辑回归
- 反向传递神经网络
父级词：机器学习
同级词：半监督学习、无监督学习
子级词：回归算法、分类算法