监督式学习（英语：Supervised learning），是一个机器学习中的方法，可以由训练资料中学到或建立一个模式（函数 / learning model），并依此模式推测新的实例。训练资料是由输入物件（通常是向量）和预期输出所组成。函数的输出可以是一个连续的值（称为回归分析），或是预测一个分类标签（称作分类）。
监督式学习（Supervised Learning）是机器学习领域的一个分支，是将资料标示出各种标签，机器就在这些标签中寻找或建立一个模型，并据此模型进行实际上的推测，例如...
基于2784个网页-相关网页
我们需要将监督式和非监督式学习更紧密地结合起来。
We need to use more of a combination of supervised and unsupervised learning.
这个课程的重点将放在与统计学习理论架构中有关的监督式学习问题。
The course focuses on the problem of supervised learning within the framework of Statistical Learning Theory.
当程序接受了用数千张图片进行的无监督式学习训练后，它们无法解决这个问题。
When programs were given unsupervised training with thousands of images, they could not solve the problem.
应用推荐