监督学习

1 定义

监督学习（supervised learning）是一类机器学习方法，它利用带有已知结果的训练数据学习输入数据与结果之间的关系，再利用学到的关系预测新的、结果未知的数据。训练数据中的已知结果通常称为标签（label）或目标变量。例如，可以提供一批已经标明“疲劳”或“不疲劳”的驾驶员数据，让模型学习眼动、生理信号等特征与疲劳状态之间的关系，再判断新的驾驶员数据是否属于疲劳状态。

2 类型

根据需要预测的结果类型，监督学习主要包括两类任务：

• 分类（classification）：预测分类变量。例如，根据眼动和驾驶行为特征预测驾驶员属于“疲劳”还是“不疲劳”。具体方法例如，逻辑回归、朴素贝叶斯分类器、支持向量机、决策树和随机森林等。
• 回归（regression）：预测连续变量。例如，根据生理和行为特征预测连续的疲劳程度。许多分类算法也有相应的回归形式，例如支持向量回归和随机森林回归。