ماذا يعني التعلم الخاضع للإشراف؟
التعلّم الخاضع للإشراف Supervised Learning هو أسلوب في التعلّم الآلي (ML) يستخدم مجموعات البيانات المصنفة والمخرجات الصحيحة لتدريب خوارزميات التعلّم على كيفية تصنيف البيانات أو التنبؤ بنتيجة ما.
يُفيد التعلم الخاضع للإشراف في تجميع البيانات في فئات محددة (التصنيف) وفهم العلاقة بين المتغيرات من أجل إجراء تنبؤات (الانحدار).
ويُستخدم في تقديم توصيات المنتجات، وتقسيم العملاء بناءً على بيانات العملاء، وتشخيص الأمراض بناءً على الأعراض السابقة وأداء العديد من المهام الأخرى.
شرح Techopedia للتعلم الخاضع للإشراف
يُمكّن التعلم الخاضع للإشراف الآلات من تصنيف الأشياء أو المشاكل أو المواقف بناءً على البيانات ذات الصلة التي يتم تزويد الآلات بها. يتم تزويد الآلات ببيانات مثل الخصائص والأنماط والأبعاد والألوان والارتفاع للأشياء أو الأشخاص أو المواقف بشكل متكرر حتى تتمكن الآلات من إجراء تصنيفات دقيقة.
أثناء التعلّم تحت الإشراف، يتم منح الآلة بيانات، تُعرف ببيانات التدريب في لغة التنقيب عن البيانات، والتي تقوم الآلة على أساسها بالتصنيف. على سبيل المثال، إذا كان مطلوبًا من النظام تصنيف الفاكهة، فسيتم إعطاؤه بيانات تدريب مثل اللون والأشكال والأبعاد والحجم. وبناءً على هذه البيانات، سيتمكن النظام من تصنيف الفاكهة.
عادةً ما يتطلب النظام عدة تكرارات لهذه العملية ليتمكن من إجراء تصنيف دقيق. وبما أن التصنيفات في الحياة الواقعية مثل الكشف عن الاحتيال في بطاقات الائتمان وتصنيف الأمراض هي مهام معقدة، فإن الآلات تحتاج إلى بيانات مناسبة وعدة تكرارات لجلسات التعلم لتحقيق قدرات معقولة.
