Definition
Überwachtes Lernen ist eine Methode des Maschinellen Lernens, bei der ein Modell mit Beispielen trainiert wird, die bekannte Zielwerte oder Bezeichnungen enthalten.
Einfach erklärt
Das Modell lernt anhand von Beispielen, für die das erwartete Ergebnis bereits bekannt ist.
Warum es wichtig ist
Es wird häufig für Klassifikations- und Regressionsmodelle eingesetzt, deren Ergebnisse durch gekennzeichnete Trainingsbeispiele dargestellt werden können.
Begriffliche Abgrenzung
Überwachtes Lernen benötigt geeignete gekennzeichnete Daten. Labels können unvollständig, uneinheitlich oder verzerrt sein; das Modell lernt Beziehungen aus den Trainingsdaten und keine universellen Regeln.
Praktische Perspektive
Anwendungen umfassen Dokumentklassifikation, Betrugserkennung und Wertprognosen. Die Leistung muss mit Daten bewertet werden, die nicht zum Training dienten und die vorgesehenen Einsatzbedingungen abbilden.