Какой подход машинного обучения использует данные, где каждый пример включает правильные выходные метки?

Обучение с учителем (Supervised Learning) — это подход машинного обучения, при котором модель обучается на размеченных данных. Это означает, что для каждого входного примера в обучающем наборе данных есть соответствующая правильная выходная метка. Модель учится сопоставлять входные данные с правильными выходными метками, а затем может предсказывать метки для новых, невидимых данных. Обучение без учителя (Unsupervised Learning) работает с неразмеченными данными, находя скрытые закономерности или структуры. Обучение с подкреплением (Reinforcement Learning) включает агента, который учится принимать решения в среде для максимизации награды. Трансферное обучение (Transfer Learning) использует предварительно обученную модель для решения новой, но связанной задачи, но это не основной подход к обучению с размеченными данными.