什么是 监督学习？
监督学习是使用带标签样本，从输入拟合到明确目标值的函数，并评估该函数能否泛化到预期上线人群中未见样本的机器学习范式。
快速了解
| 创建时间 | 概念在 1950-1960 年代形成，现代算法来自 1990 年代 |
|---|---|
| 规范文档 | 官方规范 |
工作原理
先定义样本、目标与预测时点
有效任务应说明一条样本代表什么、预测发生时有哪些特征可用、目标如何产生，以及哪类错误代价最高。分类输出离散标签或类别概率，回归输出数值。标签可能延迟、含糊、有噪声、只在部分样本上可见，甚至会被产品决策反向影响，因此数据库中的结果字段不自动等于可靠真值。
在任何拟合型预处理之前切分数据
训练集用于拟合参数，验证集用于选择特征、阈值、超参数和停止时点，测试集只评估最终流程。切分单位要对应真实泛化边界，例如客户、患者、设备、文档或未来时间窗口。归一化、插补、特征选择和重采样都只能在每个训练折上拟合；随机按行切分可能泄漏重复实体或未来信息。
评估真实决策，而不是追逐单一指标
指标应来自误报、漏报、排序错误、校准误差和大回归残差的实际成本，并同时报告不确定性、关键切片和简单基线。上线后继续监测输入与目标漂移、延迟标签、覆盖率、校准和业务结果。留出集高分只证明模型在该采样人群和冻结评测协议上的表现。
主要特点
- 从可观测输入与明确目标组成的样本对中学习
- 覆盖分类、回归、排序、序列和结构化预测任务
- 优化的损失函数只是目标业务决策的代理量
- 需要防泄漏的训练、验证与测试边界
- 依赖标签出处、歧义、类别分布和上线覆盖范围
- 必须在未见数据上评估，并在分布变化后持续监控
常见用途
- 使用经过复核的标签把客服工单路由到对应队列
- 根据派单前可用特征预测配送时间
- 按调查优先级排序欺诈告警
- 用已批准的输入输出示范微调语言模型
- 根据按时间记录的传感器数据预测设备故障风险
示例
Loading code...常见问题
什么条件下机器学习任务属于监督学习？
每条训练样本都带有定义预测任务的目标，训练过程利用预测与目标之间的差异更新模型。目标可以来自人工、测量、交易或规则，并非一定由人工标注；比标签来源更关键的是其出处、质量和预测时点是否真实可用。
分类和回归有什么区别？
分类预测离散类别或各类别概率，回归预测数值。实际产品决策决定建模方式：同一个风险模型既可以输出概率，也可以经阈值转成是否拦截，但两种输出需要不同损失、阈值选择和评估指标。
为什么要分开训练集、验证集和测试集？
训练集拟合参数，验证集指导模型、超参数和阈值选择，测试集只评估最终流程。反复根据测试结果调参会让测试集事实上变成验证集，使最终分数偏乐观，无法继续充当独立泛化证据。
监督学习数据应该如何切分？
切分方式要对应上线泛化边界：同一客户或设备的记录应做分组切分，预测未来需做时间切分，稀有类别要检查覆盖。所有拟合型预处理都应在切分后执行；相关样本跨集合出现时，随机按行切分会泄漏信息。
监督学习需要多少标注数据？
不存在通用样本数量。需求取决于目标发生率、标签噪声、特征维度、模型容量、分布覆盖和评测要识别的最小差异。应查看学习曲线与不确定性，并优先补充薄弱切片和高风险场景，而不是套用固定数量。