监督学习

用「输入 + 标准答案」成对的数据训练模型，让它学会从输入预测答案。

监督学习是最常见的机器学习范式：训练数据里每个输入都配有正确输出（标签，也叫真值），模型不断缩小自己的预测与标签之间的差距（用损失函数衡量），最终目标是在没见过的新数据上也能预测对，也就是泛化。输出是类别时叫分类，输出是连续数值时叫回归。与之相对的是没有标签的无监督学习，以及靠奖励信号学习的强化学习。在具身智能里，行为克隆本质上就是监督学习：把人类示范中的观测当输入、动作当标签，训练策略去模仿。

例子用遥操作采集 1000 条「相机画面 → 机械臂关节角」数据，训练一个网络输入画面、输出关节角，损失取预测关节角与示范关节角的均方误差——这就是以监督学习形式做的行为克隆。

也叫

有监督学习

相关

行为克隆、无监督学习、强化学习、损失函数、真值、监督微调

来源

Wikipedia: Supervised learning