Update from Sync Service

wiki/Resources/方法论/监督学习.md

@@ -0,0 +1,60 @@
+---
+created: 2026-04-28
+type: concept
+tags: [监督学习，机器学习，AI]
+---
+
+# 监督学习（Supervised Learning）
+
+> 从标注数据中学习输入到输出的映射关系
+
+## 定义
+
+监督学习是机器学习的一种范式，模型从**已标注的训练数据**（输入-输出对）中学习一个函数，使其能够对新的输入做出准确预测。
+
+## 核心思想
+
+```
+训练数据：{(x₁,y₁), (x₂,y₂), ..., (xₙ,yₙ)}
+目标：学习 f(x) ≈ y，使在新数据上误差最小
+```
+
+## 两大任务
+
+| 任务 | 输出类型 | 示例 |
+|------|---------|------|
+| **分类（Classification）** | 离散类别 | 垃圾邮件检测、图像分类 |
+| **回归（Regression）** | 连续数值 | 房价预测、销量预测 |
+
+## 常见算法
+
+| 算法 | 说明 |
+|------|------|
+| 线性回归 / 逻辑回归 | 最简单的基础算法 |
+| 决策树 / 随机森林 | 树形结构的规则学习 |
+| 支持向量机（SVM） | 寻找最优分类超平面 |
+| 神经网络 | 多层非线性映射 |
+| Transformer（预训练） | 现代大模型的基础 |
+
+## 工作流程
+
+1. **收集标注数据** → 2. **划分训练集/验证集/测试集** → 3. **训练模型** → 4. **评估调优** → 5. **部署**
+
+## 与无监督学习的区别
+
+| 监督学习 | [[无监督学习]] |
+|---------|---------------|
+| 需要标注数据 | 不需要标注 |
+| 目标明确（预测 y） | 发现数据内在结构 |
+| 容易评估效果 | 评估较主观 |
+| 分类、回归 | 聚类、降维、生成 |
+
+## 相关概念
+
+- [[神经网络]]（监督学习的主要工具）
+- [[Transformer 架构]]（现代监督学习的模型）
+- [[无监督学习]]（另一种学习范式）
+
+---
+
+*整理自 AI 基础知识*