在有監督的學習中，我們會得到一個資料集，并且已經知道我們正确的輸出應該是什麼樣子，認為輸入和輸出之間是有關系的。
有監督的學習問題分為“回歸”和“分類”問題。在一個回歸問題，我們試圖通過連續輸出預測結果，這意味着我們是試圖将輸入變量映射到一些連續函數。而在分類問題中，我們改為試圖在離散輸出中預測結果。換句話說，我們試圖将輸入變量映射到離散的類别。
下面是一些監督學習的例子：
有不同類型的神經網絡，例如卷積神經網絡（CNN）經常用于圖像應用，遞歸神經網絡（RNN）常用于一維序列資料如将英文翻譯成漢語或者一些臨時檔案，如文本。至于自動駕駛的應用是一種混合神經網絡結構。
結構化與非結構化資料
結構化資料指的是具有明确含義的事物，如價格、年齡等。而非結構化的資料指的是類似像素、原始音頻、文本等的事物。
