Cosa significa apprendimento supervisionato (Supervised Learning)?
L’apprendimento supervisionato è un approccio all’apprendimento automatico (ML) che utilizza set di dati etichettati e risultati corretti per addestrare gli algoritmi di apprendimento a classificare i dati o a prevedere un risultato.
L’apprendimento supervisionato è utile per raggruppare i dati in categorie specifiche (classificazione) e per comprendere la relazione tra le variabili al fine di fare previsioni (regressione).
Viene utilizzato per fornire raccomandazioni sui prodotti, segmentare i clienti in base ai loro dati, diagnosticare malattie in base a sintomi precedenti e svolgere molti altri compiti.
Techopedia spiega l’apprendimento supervisionato
L’apprendimento supervisionato consente alle macchine di classificare oggetti, problemi o situazioni in base ai dati correlati che gli vengono forniti.
Le macchine vengono alimentate con dati quali caratteristiche, modelli, dimensioni, colori e altezze di oggetti, persone o situazioni in modo ripetitivo, finché non sono in grado di eseguire classificazioni accurate.
Durante l’apprendimento supervisionato, a una macchina vengono forniti dei dati, noti come dati di addestramento nel linguaggio del data mining, in base ai quali esegue una classificazione.
Ad esempio, se un sistema deve classificare la frutta, gli vengono forniti dati di addestramento come il colore, la forma, la dimensione e la grandezza. Sulla base di questi dati, sarà in grado di classificarla.
Di solito un sistema richiede più iterazioni di questo processo per poter eseguire una classificazione accurata. Poiché le classificazioni nella vita reale, come il rilevamento delle frodi con le carte di credito e la classificazione delle malattie, sono compiti complessi, le macchine hanno bisogno di dati appropriati e di diverse sessioni di apprendimento per raggiungere capacità accettabili.
