在人工智能领域，“监督学习”的定义是，让计算机在带有标签的数据集上进行学习，以便它能够根据这些数据预测或分类新的、未见过的输入数据。现在我们根据这个定义来审视各个选项： A. **让计算机在没有标签的数据上进行学习**：这个描述更符合“无监督学习”的定义，即在没有明确目标（或标签）的数据集上进行学习，寻找数据中的结构或模式。因此，A选项不正确。 B. **让计算机通过观察人类行为来学习**：这实际上更接近于“强化学习”或“模仿学习”的范畴，其中计算机通过观察人类行为（通常是奖励或惩罚）来学习如何执行任务，但它并不特指在带有标签的数据集上学习。因此，B选项也不正确。 C. **让计算机在带有标签的数据集上进行学习，以预测或分类新的输入数据**：这正是“监督学习”的定义。在监督学习中，算法被提供了一组已知其输出的输入数据（即带有标签的数据），然后使用这些数据来学习如何从输入预测输出。因此，C选项是正确的。 D. **让计算机自我生成数据并进行学习**：这个描述不对应任何一种典型的机器学习方法。虽然有些算法（如生成对抗网络GANs）可以生成数据，但这并不是“学习”过程的直接定义，尤其不是监督学习的定义。因此，D选项不正确。 综上所述，正确答案是C：“让计算机在带有标签的数据集上进行学习，以预测或分类新的输入数据”。
