本人初学机器学习，有一个问题始终想不明白，请各位指点。
分类是一种有监督的机器学习方法，有监督就意味着数据是带有标签的。既然数据是有标签的，为什么不直接通过标签去判断数据类别？反而非经周折训练一个分类器去预测类标签？
特别是在数据流挖掘中，有监督情况下，训练一个分类器，然后对不断到达的数据进行分类预测，再把分类器预测的标签和真实标签做对比，进而调整分类器，提高分类器的精度。
所以我一直想不明白，在所有数据标签完全已知的情况下，为什么还要通过特征预测标签。
训练数据集里的数据当然是有标签的，但是需要预测的数据它的标签类型是不确定的，就需要你去预测它的类型，所以需要训练数据集，通过比对预测结果和真实的结果来不断优化模型。