监督学习是利用带标签数据训练模型以预测新样本的方法，核心是学习特征到标签的映射关系，典型任务包括分类与回归，常用scikit-learn实现并需综合评估指标与数据质量。

监督学习是让模型从带标签的数据中学会预测的关键方法。核心就一点：给它看足够多的“问题+正确答案”组合，它就能慢慢摸清规律，遇到新问题时给出靠谱答案。

什么是监督学习？先搞懂这个基础

监督学习就像教孩子认水果——你指着苹果说“这是苹果”，指着香蕉说“这是香蕉”，重复多次，孩子下次看到没标名字的苹果也能认出来。在Python里，“苹果”“香蕉”就是标签（label），图片或数据特征就是输入（feature）。模型的任务，就是学出 feature → label 的映射关系。

常见任务包括：

• 分类（Classification）：预测离散类别，比如垃圾邮件识别、手写数字识别
• 回归（Regression）：预测连续数值，比如房价预估、气温预测

用scikit-learn跑通第一个监督模型

不用从头造轮子，scikit-learn 提供了成熟又易上手的接口。以经典的鸢尾花（Iris）分类为例：

• 加载数据：from sklearn.datasets import load_iris，它自带特征（花萼/花瓣尺寸）和真实标签（三种花名）
• 划分数据：用 train_test_split 把数据拆成训练集（用来教模型）和测试集（用来考模型）
• 选模型：比如 from sklearn.ensemble import RandomForestClassifier
• 训练：调用 model.fit(X_train, y_train)
• 验证：用 model.predict(X_test) 得到预测结果，再和真实标签比对算准确率

别只看准确率——评估模型得更细一点

尤其在类别不均衡时（比如99%正常交易+1%*），准确率可能虚高。这时候要看：

• 混淆矩阵：看清每个类别的预测对了多少、错在哪一类
• 精确率（Precision）：模型说“是*”的那些样本里，真*占多少
• 召回率（Recall）：所有真实*中，模型抓出了多少
• F1分数：Precision 和 Recall 的调和平均，适合综合打分

scikit-learn 用 classification_report(y_true, y_pred) 一行就能输出全部指标。

模型效果不好？先检查这三件事

不是模型越复杂越好，很多问题出在前期准备：

• 标签质量：人工标注有没有错误？同一类样本是否真的相似？
• 特征表达：原始数据能不能直接喂给模型？比如日期要转成“星期几”“是否节假日”，文本要转成向量（TF-IDF 或词嵌入）
• 数据分布：训练集和未来真实数据是不是同源？如果训练用北上广数据，却去预测县城场景，效果大概率会崩

简单模型（如逻辑回归、决策树）往往比复杂模型更容易诊断问题，建议从它起步。