哪種機器學習方法是使用每個範例都包含正確輸出標籤的資料進行訓練的？

監督式學習（Supervised learning）是使用帶有標籤的資料進行訓練的機器學習方法。這表示訓練資料集中的每個範例都包含一個輸入（特徵）和一個對應的正確輸出（標籤）。模型透過學習輸入與輸出之間的映射關係來進行預測。 非監督式學習（Unsupervised learning）處理的是沒有標籤的資料，旨在發現資料中的隱藏模式或結構。強化學習（Reinforcement learning）涉及代理人（agent）透過與環境互動來學習最佳行為策略，其訓練資料並非預先標記。遷移學習（Transfer learning）則是將一個已在某任務上訓練好的模型應用到另一個相關任務上，它本身不是一種獨立的學習範式，而是利用現有模型的方法。