在监督式学习下，输入数据被称为“练习数据”，每组练习数据有一个清晰的标识或成果，如对防废物邮件系统中“废物邮件”“非废物邮件”，对手写数字辨认中的“1“，”2“，”3“，”4“等。在树立猜测模型的时分，监督式学习树立一个学习进程，将猜测成果与“练习数据”的实践成果作比较，不断的调整猜测模型，直到模型的猜测成果到达一个预期的准确率。监督式学习的常见使用场景如分类问题和回归问题。常见算法有逻辑回归（Logistic Regression）和反向传递神经网络（Back Propagation Neural Network）
