När du köper via affiliate-länkar på vår webbplats kan vi få en provision utan extra kostnad för dig. Läs mer om 
Lär dig vad som menas med övervakad inlärning, även känt som supervised learning på engelska. Vi ger dig en fullständig definition av tillvägagångssättet och förklarar grunderna i hur det fungerar.
Vad betyder övervakad inlärning?
Övervakat lärande är ett tillvägagångssätt för maskininlärning (ML) som använder märkta datamängder och korrekta utdata för att träna inlärningsalgoritmer hur man klassificerar data eller förutsäger ett resultat.
Övervakad inlärning är användbart för att gruppera data i specifika kategorier (klassificering) och förstå förhållandet mellan variabler för att kunna göra förutsägelser (regression).
Det används för att ge produktrekommendationer, segmentera kunder baserat på kunddata, diagnostisera sjukdomar baserat på tidigare symtom och utföra många andra uppgifter.
Techopedia förklarar övervakad inlärning
Övervakad inlärning gör det möjligt för maskiner att klassificera objekt, problem eller situationer baserat på relaterade data som matas in i maskinerna. Maskinerna matas med data som egenskaper, mönster, dimensioner, färg och höjd på objekt, personer eller situationer upprepade gånger tills maskinerna kan utföra korrekta klassificeringar.
Under övervakad inlärning får en maskin data, så kallade träningsdata i data mining-språk, baserat på vilka maskinen gör klassificering. Om ett system till exempel ska klassificera frukt får det träningsdata som färg, form, dimension och storlek. Baserat på dessa data skulle det kunna klassificera frukt.
Vanligtvis kräver ett system flera iterationer av en sådan process för att kunna utföra en korrekt klassificering. Eftersom verkliga klassificeringar, exempelvis av kreditkortsbedrägerier och sjukdomar, är komplexa uppgifter behöver maskinerna lämpliga data och flera iterationer av inlärningssessioner för att uppnå rimliga förmågor.
