Pembelajaran Terawasi

Pembelajaran terawasi melibatkan pelatihan model menggunakan dataset yang berisi fitur input dan output benar yang sesuai (label).  Tujuannya adalah memprediksi output untuk input baru yang belum pernah dilihat berdasarkan fungsi yang telah dipelajari. 
Ada dua jenis utama pembelajaran terawasi:

• Klasifikasi: tujuannya adalah memprediksi label class, yaitu pilihan dari daftar kemungkinan yang telah ditentukan. Misalnya, bayangkan kamu mencoba memilah email menjadi "spam" atau "bukan spam". Atau saat ponselmu mengenali wajahmu untuk membuka kunci, ponsel menggunakan klasifikasi untuk mengatakan, "Ya, itu kamu!"
• Regresi: tujuannya adalah memprediksi kuantitas. Misalnya, memprediksi harga rumah berdasarkan berbagai fitur seperti ukuran dan lokasinya, atau memperkirakan harga sebuah mobil berdasarkan merek, model, dan usianya. Ini seperti bermain "The Price is Right."

Saat kita mempelajari berbagai algoritma dalam kursus ini, kita akan membahas apakah algoritma tersebut lebih mirip pembelajaran terawasi atau tidak terawasi.