Aprendizado supervisionado

O aprendizado supervisionado envolve o treinamento de um modelo em um conjunto de dados que contém tanto as características de entrada quanto as saídas corretas correspondentes (rótulos).  O objetivo é prever a saída para novas entradas não vistas com base na função aprendida. 
Existem dois tipos principais de aprendizado supervisionado:

• Classificação: o objetivo é prever um rótulo de classe, que é uma escolha de uma lista predefinida de possibilidades. Por exemplo, imagine tentar classificar e-mails em "spam" ou "não spam". Ou quando seu telefone reconhece seu rosto para desbloquear, ele está usando classificação para dizer: "Sim, é você!"
• Regressão: o objetivo é prever uma quantidade. Por exemplo, prever o preço de uma casa com base em várias características, como tamanho e localização, ou descobrir quanto vale um carro com base em sua marca, modelo e idade. É como jogar "O Preço Certo".

À medida que avançamos por diferentes algoritmos neste curso, falaremos sobre se eles são mais parecidos com aprendizado supervisionado ou não supervisionado.