2.1 监督学习

文档摘要

2.1 监督学习第二章：传统机器学习算法 2.1 监督学习监督学习（Supervised Learning）是机器学习中最基本、应用最广泛的一种类型。其核心思想是“从有标签的数据中学习”。这意味着在训练阶段，我们不仅拥有输入数据（特征），还拥有与这些输入数据相对应的正确输出（标签）。学习算法的目标是找到一个函数或模型，能够最好地描述输入与输出之间的映射关系。一旦模型被训练好，它就可以用来预测新的、未知输入数据的输出。 2.1.1 定义与基本概念监督学习可以被形式化地描述为：给定一个包含输入-输出对的数据集 $D = \{(x1, y1), (x2, y2), \dots, (xn, yn)\}$，其中 $xi$ 是输入特征向量（通常是多维的），$yi$ 是对应的输出标签。