监督学习的数据集中，每个观测单位既有自变量（特征X_i）又有因变量（标签y_i）。根据已有的数据集，训练出模型可以根据自变量数据得到因变量预测结果的过程称为监督学习。模型学习的好坏可以根据因变量的实际值和预测值之间的差异判断。监督学习中有两大类典型任务：分类和回归。分类是通过特征变量确定观测单位所属的类别，因变量是分类变量。例如，根据用户的满意度、财务信息判断用户合约到期后是否会续约，根据发件人、主题、内容等信息判断邮件是否是垃圾邮件。常用的分类方法有逻辑斯特回归（选项D）、决策树、随机森林和支持向量机（选项C）等。回归是通过特征变量确定观测单位因变量的取值，因变量是定量变量。例如，根据钻石的克拉数、颜色、切割工艺等信息预测钻石的价格，根据房屋面积、位置、楼层等信息预测房价。常用的回归方法有线性回归、非线性回归和分位数回归等。