监督学习中的目标变量（标签）是什么？

监督学习是一种机器学习方法，其特点是利用带有标签的数据集进行训练。在这种情况下，目标变量（也称为标签或响应变量）是模型训练过程中需要预测的变量。每个训练样本都包含一组特征和一个对应的标签，模型的任务是学习特征和标签之间的关系，以便在未来对新的、未标记的数据做出准确的预测。

举例来说，如果我们在做一个垃圾邮件检测系统，我们的数据集可能包括许多电子邮件文本（特征）以及每封邮件是否为垃圾邮件的标识（目标变量）。在这种情况下，目标变量是一个二元变量，通常用0和1表示，其中1可能代表“垃圾邮件”，0代表“非垃圾邮件”。模型的训练目标是准确地从电子邮件的特征中学习出哪些特征组合表明一封邮件是垃圾邮件。

通过这种监督学习方法，我们可以构建一个模型，它在接收到新的电子邮件时，能够根据学到的特征与标签之间的关系预测这封邮件是不是垃圾邮件。