因此，我被告知，对于监督学习或分类算法，用于训练和测试的输入数据也包括标签（或目标）。
因此，我有一个非常令人困惑的想法，即标签来自何处，人们手动为记录添加标签？可能是用于培训和测试的非常庞大的数据集，如果有一个“程序”或方法来自动标记记录，那么这意味着对于将来的数据，我们也可以使用这些标记？那为什么要费心预测呢？
也许我错过了某件事...有人可以帮我举一个真实的例子吗？像信用欺诈和非欺诈一样，可能是银行工作人员将帐户标记为他们将继续进行的欺诈或非欺诈行为，或者如果他们有“公式”来表明欺诈行为，则“公式”应该一直用于银行，那么主管学习在哪里起作用？
最佳答案
监督学习的目的就是猜测标签的含义。
因此，在您的信用卡欺诈案件中，人们确实确实在手动将案件标记为欺诈。 ML的想法是，您可以猜测，给定人们贴了什么样的标签，如果他们看到了未来的数据，他们会想到什么。