Ostaessasi tuotteita affiliate-linkkien kautta verkkosivustollamme, saatamme saada komission, josta ei kerry lisäkustannuksia sinulle. Lue lisää 
Ohjattu oppiminen on tekoälyyn liittyvä koneoppimisen kategoria, joka hyödyntää opetusaineistoja, joiden avulla tekoäly koulutetaan esimerkiksi luokittelemaan dataa. Ohjatulla oppimisella on lukuisia erilaisia käyttötarkoituksia.
Mitä ohjattu oppiminen tarkoittaa?
Ohjattu oppiminen on koneoppimisen kategoria, jossa hyödynnetään merkittyjä datakokoelmia ja haluttuja tuloksia, joiden avulla oppimisalgoritmi koulutetaan luokittelemaan dataa tai ennustamaan lopputuloksia.
Ohjattu koneoppiminen on hyödyllinen työkalu datan klassifioimisessa tiettyihin kategorioihin. Se auttaa myös ymmärtämään useiden muuttujien suhteita ennusteita tehdessä.
Ohjattua oppimista hyödynnetään esimerkiksi seuraavissa kohteissa:
- Tuotesuositukset
- Asiakkaiden luokittelu asiakasdataan perustuen
- Tautien diagnosointi aiempien oireiden perusteella
- Lukuisat muut käyttötarkoitukset
Hieman vastaava koneoppimisen alalaji on ohjaamaton oppiminen, jossa koneet oppivat toimimaan datan pohjalta ohjelmointinsa mukaisesti ilman erillisen opetusmateriaalin syöttämistä systeemiin.
Ohjattu oppiminen – Techopedia selittää
Ohjattu oppiminen mahdollistaa koneille objektien, ongelmien ja tilanteiden luokittelemisen perustuen vastaavaan dataan, joka koneelle on syötetty. Koneille voidaan syöttää dataa esimerkiksi piirteisiin, kaavoihin, mittasuhteisiin, väreihin, objektien kokoon, ihmisiin tai tilanteisiin liittyen toistuvasti, kunnes koneet ovat valmiita tekemään paikkansapitäviä luokitteluja.
Ohjatun oppimisen aikana koneelle syötetään opetusaineistoksi kutsuttua aineistoa suurissa määrin. Kone oppii tämän pohjalta tekemään luokitteluita. Jos systeemin tulee esimerkiksi luokitella hedelmiä, opetusaineistoksi annettaisiin hedelmien värejä, muotoja, mittasuhteita sekä kokoja. Tämän aineiston pohjalta systeemi olisi valmis luokittelemaan hedelmiä.
Useimmiten systeemit vaativat lukuisia vastaavien prosessien toistoja, ennen kuin ne ovat valmiita tekemään osuvia luokitteluita. Koska oikean elämän käyttötarkoitukset, kuten luottokorttihuijausten tunnistaminen tai tautien luokittelu, ovat monimutkaisia tehtäviä, koneet vaativat täsmällistä dataa sekä lukuisia opetuskertojen toistoja, ennen kuin ne saavuttavat riittävät kyvyt.
