在人工智能领域，特别是机器学习领域，“监督学习”是一个核心概念。我们可以逐项分析给出的选项来确定正确答案： A. 让计算机在没有标签的数据上进行学习。 这个描述更接近于“无监督学习”的概念，无监督学习是指在没有标签的数据上寻找隐藏的结构或模式。监督学习需要数据带有标签，以便计算机可以学习如何将输入映射到特定的输出。因此，A选项不正确。 B. 让计算机通过观察人类行为来学习。 这个描述更偏向于模仿学习或强化学习的范畴，而不是典型的监督学习。监督学习主要是基于有标签的数据集进行学习的，而不是通过观察人类行为。所以，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，算法接收一组带有已知答案（即标签）的输入数据，然后学习如何将这些输入映射到相应的输出（或标签）。学习完成后，算法能够预测或分类新的、未见过的输入数据。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。 这通常不是监督学习的范畴。虽然有些算法（如生成对抗网络GANs）可以生成数据，但这并不直接构成监督学习。在监督学习中，数据是外部提供的，并带有明确的标签。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”。
