Überwachtes Lernen

Überwachtes Lernen (Supervised Learning) beinhaltet das Trainieren eines Modells auf einem Datensatz, der sowohl Eingabemerkmale als auch die entsprechenden korrekten Ausgaben (Labels) enthält.  Das Ziel ist es, die Ausgabe für neue, unbekannte Eingaben basierend auf der gelernten Funktion vorherzusagen. 
Es gibt zwei Hauptarten des überwachten Lernens:

• Klassifizierung: Das Ziel ist es, ein Klassenlabel vorherzusagen, welches eine Auswahl aus einer vordefinierten Liste von Möglichkeiten ist. Stellen Sie sich zum Beispiel vor, Sie versuchen, E-Mails in „Spam“ oder „Kein Spam“ zu sortieren. Oder wenn Ihr Telefon Ihr Gesicht erkennt, um es zu entsperren, verwendet es Klassifizierung, um zu sagen: „Ja, das bist du!“
• Regression: Das Ziel ist es, eine Menge vorherzusagen. Zum Beispiel die Vorhersage des Preises eines Hauses basierend auf verschiedenen Merkmalen wie Größe und Lage, oder herauszufinden, wie viel ein Auto basierend auf Marke, Modell und Alter wert ist. Es ist wie bei „Der Preis ist heiß“.

Während wir in diesem Kurs verschiedene Algorithmen durchgehen, werden wir darüber sprechen, ob sie eher dem überwachten oder dem unüberwachten Lernen zuzuordnen sind.