一個團隊正在建立一個機器學習模型，用於預測心臟病的風險。資料集包含輸入特徵（年齡、膽固醇、血壓、吸菸、運動）以及一個標籤，指示每位患者是否患有心臟病。哪種機器學習方法是合適的？

監督式學習適用於此情境，因為資料集包含明確的輸入特徵（年齡、膽固醇等）和對應的輸出標籤（是否患有心臟病）。模型將從這些已標記的資料中學習輸入特徵與心臟病風險之間的關係，以便預測新患者的風險。非監督式學習用於沒有標籤的資料，例如分群。強化學習涉及代理人透過與環境互動來學習最佳行為。半監督式學習則結合了有標籤和無標籤的資料，但此案例中所有資料都已標記。