监督学习、无监督学习、半监督学习、强化学习、自监督学习

第一种理解：

监督学习（Supervised Learning 或 Supervised Machine Learning ）

   监督学习（Supervised Learning 或 Supervised Machine Learning ）是机器学习和人工智能中的一种算法学习训练方式。它的定义是使用标记数据集来训练算法，以便训练后的算法可以对数据进行分类或准确预测结果。在监督学习中，每个样本数据都被正确地标记过。算法模型在训练过程中，被一系列 “监督”误差的程序、回馈、校正模型，以便达到在输入给模型为标记输入数据时，输出则十分接近标记的输出数据，即适当的拟合。因此得名为“监督”学习。

    比如之前我们用到的手写数字的识别的案例（见《机器学习、深度学习 与 神经网络》文章中相应部分），我们输入给专门解决这类问题的机器学习模型大量的手写数字，并且每个样本都标记出了正确的结果，即每个手写数字样本都标记出了它实际上应该是哪个数字。然后，该模型会自动从这些大量的训练集中学习到每种数字的特征，训练结束后，当再输入给这个模型一个新的之前没有训练过的手写数字图像时，则神经网络可以辨认出图像中的具体数字。因此，监督学习可以广泛应用于图像识别、自然语言处理、语音识别等领域。监督式学习可分为两类，分类和回归：