مدل با نمونه‌هایی آموزش می‌بیند که پاسخ درست یا برچسب آن‌ها از قبل مشخص شده است. برای مثال، ایمیل‌های برچسب‌خورده به‌عنوان هرزنامه و عادی به مدل کمک می‌کنند الگوهای هر دسته را یاد بگیرد.
این روش برای طبقه‌بندی و رگرسیون کاربرد دارد. کیفیت برچسب‌ها و نماینده بودن داده‌ها مهم است، عملکرد خوب روی داده آموزش، موفقیت روی داده‌های جدید را تضمین نمی‌کند.
مثالی از مسیر اجرای برنامه
برای تشخیص ایمیل اسپم، مجموعه‌ای از پیام‌ها همراه با برچسب صحیح لازم است. مدل از آن‌ها رابطه ویژگی و برچسب را می‌آموزد و سپس روی پیام جدید آزموده می‌شود.
درک تفاوت این موضوع با دیتاست و ترینینگ ست به انتخاب راهکار مناسب‌تر کمک می‌کند.
برچسب معتبر پیش‌نیاز یادگیری نظارت‌شده است
برای پیش‌بینی تقلب، هر نمونه آموزشی باید برچسب معتبر داشته باشد. اگر برچسب‌ها تنها برای تراکنش‌های بررسی‌شده تولید شده باشند، Sampling Bias می‌تواند ارزیابی مدل را مخدوش کند.