理工酷

举个例子，假设现在你想训练一台机器帮助你预测从公司开车回家要用多长时间。现在，首先要创建一组标记数据。该数据包括

• 天气状况
• 一天中的时间
• 节假日

所有这些详细信息是输入，在特定日期开车回家的时间是输出。

常识告诉我们，如果外面下雨，开车回家将需要更长的时间。但是对于机器，需要数据和统计信息。

现在我们来开发这个例子的监督学习模型，帮助用户确定通勤时间。首先需要创建训练集。该训练集将包含总的通勤时间和相应的因素，例如天气，时间等。根据此训练集，机器可能会看到雨量和回家所需的时间之间存在直接关系。

由此可以确定下雨的时间越多，开车回家的时间就越长。它还可能看到下班时间和上路时间之间的联系。

离下午6点更近回家所需的时间越长，机器会发现这与标签数据有一定的关系。

这是基本的数据模型，它能看到降雨如何影响人们的驾驶方式，也可以看到在一天的特定时间有更多的人在路上。

参考https://www.guru99.com/supervised-machine-learning.html