你们说的都太复杂了，希望我的描述能让外行们看懂。

当前运用的的算法，在本质上就是输入x得到反馈y。

至于怎么从x得到的y，我们可以列一个线性方程y = mx + b。

它表示是x和y的关系。只不过是从前我们学的是根据x求y，在领域是，知道输入x和输出y，要求出的是系数m和常数b。

线性回归

有监督学习就是持续输入大量的配对的x和y，调整系数m和常数b，让线性方程更好的匹配数据。这个方程永远不能以百分之百的准确率匹配x和y，但是它能被用来做预测。一旦你确定了一个可靠的函数，你输入x的值，变成得到一个正确率很高的y值。

即使复杂如阿尔法狗，它不过是得到了一个无比复杂的系数m，万变不离其宗，它的算法仍然能被表达为y = mx + b。

聚类分析

有监督学习还可以被用来做分类，类似于把水从池子里分到桶里。例如，如果数据带有特点x，它进入一号桶；如果没有，它进入二号桶。在你仍然可能认为这是在用x预测y，只是在这里y不是数值而是类别。分水的桶可以准备很多。

分类算法可以来过滤垃圾邮件，分析x光片的异常，确认案件的相关资料，为一个岗位选择合适的简历，甚至做market segmentation。