Apprendimento supervisionato

L’apprendimento supervisionato consiste nell’addestrare un modello su un set di dati che contiene sia le caratteristiche di input sia i corrispondenti output corretti (etichette).  L’obiettivo è prevedere l’output per nuovi input mai visti prima, sulla base della funzione appresa. 
Esistono due tipi principali di apprendimento supervisionato:

• Classificazione: l’obiettivo è prevedere un’etichetta di classe, ovvero una scelta da un elenco predefinito di possibilità. Per esempio, immagina di dover classificare le email come «spam» o «non spam». Oppure, quando il tuo telefono riconosce il tuo volto per sbloccarsi, usa la classificazione per dire: «Sì, sei proprio tu!»
• Regressione: l’obiettivo è prevedere una quantità. Per esempio, prevedere il prezzo di una casa in base a diverse caratteristiche, come le dimensioni e la posizione, oppure calcolare quanto vale un’auto in base alla marca, al modello e all’età. È come giocare a «The Price Is Right».

Man mano che esamineremo diversi algoritmi in questo corso, parleremo se sono più simili all’apprendimento supervisionato o a quello non supervisionato.