Aprendizaje supervisado

El aprendizaje supervisado consiste en entrenar un modelo en un conjunto de datos que contiene tanto características de entrada como las salidas correctas correspondientes (etiquetas).  El objetivo es predecir la salida para entradas nuevas y no vistas basándose en la función aprendida. 
Existen dos tipos principales de aprendizaje supervisado:

• Clasificación: el objetivo es predecir una etiqueta de clase, que es una elección de una lista predefinida de posibilidades. Por ejemplo, imagina intentar clasificar correos electrónicos en "spam" o "no spam". O cuando tu teléfono reconoce tu cara para desbloquearse, está usando la clasificación para decir: "¡Sí, eres tú!"
• Regresión: el objetivo es predecir una cantidad. Por ejemplo, predecir el precio de una casa basándose en varias características como su tamaño y ubicación, o calcular cuánto vale un coche basándose en su marca, modelo y antigüedad. Es como jugar a "El precio justo".

A medida que avancemos por los diferentes algoritmos en este curso, hablaremos de si se parecen más al aprendizaje supervisado o al no supervisado.