概念卡：监督学习 Supervised Learning
概念卡：监督学习 Supervised Learning
一句话定义
监督学习是利用带标签的数据训练模型，让模型学习输入到输出的映射。
它解决什么问题
它用于分类和回归等预测任务。
典型使用场景
- 预测连续数值。
- 判断样本类别。
- 风险评分或故障预测。
需要知道的关键词
- Label
- Feature
- Classification
- Regression
- Generalization
和导师方向的关系
大数据和应用统计任务中，监督学习是最常见的建模框架之一。
交流时可以怎么说
如果数据有明确标签，可以先把问题表述为监督学习任务，再判断是分类还是回归。
我会先建立基准模型，再通过交叉验证评估泛化能力。
可以追问的问题
- 标签是否可靠？
- 任务是分类还是回归？
- 评价指标是否适合研究目标？
给 AI 的提示词
请解释监督学习、分类和回归的区别。要求给一个应用统计和一个大数据场景例子，并说明评价指标如何选。
我的理解边界
- 已理解：监督学习需要标签。
- 还不确定：不同模型的选择标准。
- 下次需要补：评价指标。