目标是生成一个模型能够将任务输入特征映射到标签。学习过程1输入和相应标签一起构成训练数据集2选择有监督的学习算法它将训练数据集作为输入并输出一个“已完成学习的模型”3将之前没见过的样本特征放到这个模型中使用模型的输出作为相应标签的预测。有哪些回归标签取任意数值时称为回归问题。使模型的预测非常接近实际标签值。训练出一个回归函数来输出一个数值。分类希望模型能够预测样本属于哪个类别。训练出一个分类器来输出预测类别。序列学习与固定大小的输入和产生固定大小的输出不同例如预测房价时用一组固定的特征房屋面积、卧室数量、浴室数量图像分类中输入为固定尺寸的图像输出则为固定数量的预测概率。在这些情况下模型只会将输入作为生成输出的“原料”而不会“记住”输入的具体内容。如果输入样本之间没有任何联系以上模型可能完美无缺。但是如果输入是连续的模型可能就需要拥有“记忆”功能。视频、翻译、医学等。