Как устроено обучение с учителем (supervised learning): какие данные, какие задачи и какие алгоритмы?

Supervised learning — обучение на парах (X, y), где X — матрица признаков формы (n_samples, n_features), а y — известный целевой вектор. Модель ищет функцию f(X) ≈ y, минимизируя loss на train. Делится на регрессию (y непрерывный) и классификацию (y дискретный). Базовые алгоритмы: LinearRegression, LogisticRegression, RandomForest, GradientBoosting (XGBoost / LightGBM / CatBoost), SVM, k-NN, нейросети. Ключевое условие — наличие размеченного датасета и train/test split для честной оценки обобщения.