監督式學習(Supervised Learning)

監督學習也是機器學習的其中一個分支，監督學習需要用有經過**標籤(Label)**的數據去進行訓練，需要先將訓練用的數據集加以分類，也就是說必須先告訴他哪些是要的，哪些是不要的，進而讓這個模型去學習這些分類，並能對之後的新數據進行預測。

監督式學習主要常見的兩種功能

1. 回歸: 用於當你的預測目標是連續的數值，讓模型學習從數據中找出變數連續的關係，將關係表示成一個函數，以此來預測新輸入數值的結果。常用於股票走勢預測、市場營銷分析等等。
   
2. 分類: 用於預測目標的數據特徵是離散的，讓模型學習數據的特徵分類以及其不同的類別或標籤之間的關係，最後讓他能將先數據進行分類預測其結果。常用於自然語言處理，圖像識別等等。
   

Example

想要訓練一個分辨垃圾廣告郵件的AI模型，首先把數據及進行分類標籤，區分出哪些是普通郵件，哪些是垃圾郵件，再將標籤後的數據集給模型去學習，讓模型也擁有分辨信件的能力。(分類方法)

下一篇則會接著講非監督式學習~