机器学习的主要范式之一，使用带有标签的训练数据，目标是学习从输入特征到输出标签的映射函数，涵盖分类和回归两大子任务
监督学习模型的能力上限被Minimax数据锁定，最多只能逼近教师算法水平而无法超越
对于状态空间小、最优解可完全求解的问题，监督分类学习绕开了强化学习中复杂的奖励设计和探索问题，是更经济的选择
监督学习本质上是函数逼近问题，通过最小化损失函数实现，常见损失函数包括回归任务的均方误差（MSE）和分类任务的交叉熵（Cross Entropy）
Machine learning is typically divided into three major paradigms: supervised learning, unsupervised learning, and reinforcement learning.
机器学习分为监督学习、非监督学习和半监督学习三大类
机器学习分为监督学习、非监督学习和半监督学习三大类
65%部分验证Machine learning is typically divided into three major paradigms: supervised learning, unsupervised learning, and reinforcement learning.
65%待验证监督学习模型的能力上限被Minimax数据锁定，最多只能逼近教师算法水平而无法超越
50%待验证对于状态空间小、最优解可完全求解的问题，监督分类学习绕开了强化学习中复杂的奖励设计和探索问题，是更经济的选择
50%待验证监督学习本质上是函数逼近问题，通过最小化损失函数实现，常见损失函数包括回归任务的均方误差（MSE）和分类任务的交叉熵（Cross Entropy）
50%