监督学习模型是指在训练过程中，使用带有正确答案的标记数据来进行学习。常见的监督学习模型包括逻辑回归、决策树、支持向量机、朴素贝叶斯分类器、神经网络等。最近流行的监督学习模型还包括深度学习模型，如卷积神经网络和循环神经网络。
下面给出一些示例与实现方法：
逻辑回归：https://github.com/trekhleb/homemade-machine-learning
决策树：https://github.com/scikit-learn/scikit-learn
支持向量机：https://github.com/scikit-learn/scikit-learn
随机森林：https://github.com/scikit-learn/scikit-learn
GBDT：https://github.com/scikit-learn/scikit-learn
XGBoost：https://github.com/dmlc/xgboost
LightGBM：https://github.com/microsoft/LightGBM
CatBoost：https://github.com/catboost/catboost
神经网络：https://github.com/tensorflow/tensorflow
卷积神经网络：https://github.com/tensorflow/tensorflow
循环神经网络：https://github.com/tensorflow/tensorflow
双向循环神经网络：https://github.com/tensorflow/tensorflow
全连接神经网络：https://github.com/tensorflow/tensorflow
自编码器：https://github.com/tensorflow/tensorflow
聚类：https://github.com/scikit-learn/scikit-learn
K-Means：https://github.com/scikit-learn/scikit-learn
高斯混合模型：https://github.com/scikit-learn/scikit-learn
谱聚类：https://github.com/scikit-learn/scikit-learn
层次聚类：https://github.com/scikit-learn/scikit-learn
DBSCAN：https://github.com/scikit-learn/scikit-learn
这些是比较流行的监督学习模型，也是常用的机器学习算法，你可以根据你的需要来选择相应的源码。
