Definicja
Uczenie nadzorowane jest metodą uczenia maszynowego wykorzystującą do trenowania modelu przykłady zawierające znane wartości docelowe lub etykiety.
Proste wyjaśnienie
Model uczy się na przykładach, dla których oczekiwany wynik jest już znany.
Dlaczego to ważne
Jest szeroko wykorzystywane do budowy modeli klasyfikacyjnych i regresyjnych dla wyników, które można przedstawić za pomocą oznaczonych przykładów uczących.
Granice pojęcia
Uczenie nadzorowane wymaga odpowiednich oznaczonych danych. Etykiety mogą być niepełne, niespójne lub obciążone, a model uczy się zależności obecnych w danych uczących, nie uniwersalnych reguł.
Perspektywa praktyczna
Zastosowania obejmują klasyfikację dokumentów, wykrywanie oszustw i prognozowanie wartości. Skuteczność należy oceniać na danych niewykorzystanych podczas treningu oraz w warunkach odpowiadających planowanemu zastosowaniu.