哪种机器学习方法是使用包含正确输出标签的数据进行训练的？

监督学习（Supervised Learning）是使用带有已知输出标签（即正确答案）的数据集进行训练的机器学习方法。模型通过学习输入特征与这些标签之间的映射关系来做出预测。例如，在图像分类任务中，模型会学习将特定图像（输入）与其对应的类别标签（输出）关联起来。 无监督学习（Unsupervised Learning）处理不带标签的数据，旨在发现数据中的内在结构或模式，如聚类。强化学习（Reinforced Learning）通过与环境互动，根据奖励或惩罚来学习最优行为策略。迁移学习（Transfer Learning）是将一个任务上预训练的模型知识应用于另一个相关任务。因此，只有监督学习明确依赖于带有正确输出标签的数据进行训练。