监督学习的学习数据既有特征feature，也有标签label。（）

监督学习的学习数据既有特征feature，也有标签label。（）

A、正确

B、错误

正确答案：A

答案解析：监督学习是机器学习中的一种重要范式，其核心特点就是学习数据集中同时包含特征（feature）和标签（label）。

特征（feature）：是对数据对象的描述属性。比如在预测房价的任务中，房屋的面积、房间数量、房龄等都可以作为特征。这些特征是算法用于学习和建立模型的依据，它们从不同方面刻画了数据对象的特点。

标签（label）：是与每个数据对象相对应的目标值。在房价预测例子里，标签就是房屋的实际价格。算法通过学习特征与标签之间的关系，构建一个模型，当给定新的具有相同特征的数据时，模型能够预测出相应的标签值。

学习过程：监督学习算法在训练过程中，不断调整模型参数，使得模型预测值与实际标签值之间的差距（如均方误差、交叉熵等损失函数衡量）逐渐减小。通过这种方式，模型学习到从特征到标签的映射关系。例如常见的线性回归算法用于预测连续值标签，决策树算法可用于分类任务预测离散标签等，都是基于既有特征又有标签的学习数据来进行训练的。所以监督学习的学习数据既有特征feature，也有标签label，该说法正确。