Aprendizado Supervisionado

O aprendizado supervisionado é uma abordagem de aprendizado de máquina (ML) que usa conjuntos de dados rotulados e saídas corretas para treinar algoritmos de aprendizado sobre como classificar dados ou prever um resultado. Assim, saiba o que é Aprendizado Supervisionado. Além disso, descubra como funciona e o significado do termo.

O que significa Aprendizado Supervisionado?

O aprendizado supervisionado é útil para agrupar dados em categorias específicas (classificação) e entender a relação entre variáveis ​​para fazer previsões (regressão).

Ele é usado para fornecer recomendações de produtos, segmentar clientes com base em dados de clientes, diagnosticar doenças com base em sintomas anteriores e executar muitas outras tarefas.

Techopedia explica o aprendizado supervisionado

O aprendizado supervisionado permite que máquinas classifiquem objetos, problemas ou situações com base em dados relacionados alimentados nas máquinas.

As máquinas são alimentadas com dados como características, padrões, dimensões, cor e altura de objetos, pessoas ou situações repetidamente até que as máquinas sejam capazes de executar classificações precisas.

Durante o aprendizado supervisionado, uma máquina recebe dados, conhecidos como dados de treinamento na linguagem de mineração de dados, com base nos quais a máquina faz a classificação.

Por exemplo, se um sistema for obrigado a classificar frutas, ele receberia dados de treinamento, como cor, formas, dimensão e tamanho. Com base nesses dados, ele seria capaz de classificar frutas.

Geralmente, um sistema requer múltiplas interações de tal processo para ser capaz de executar uma classificação precisa.

Como classificações da vida real, como detecção de fraude de cartão de crédito e classificação de doenças, são tarefas complexas, as máquinas precisam de dados apropriados e várias iterações de sessões de aprendizado para atingir habilidades razoáveis.