Ce înseamnă Învățare supervizată
Învățarea supervizată este cel mai răspândit tip de machine learning. Modelul primește perechi formate dintr-o intrare și răspunsul corect: o poză și eticheta „câine”, un apartament și prețul cu care s-a vândut, un e-mail și marcajul „spam”. Din aceste perechi învață să prezică răspunsul pentru intrări noi.
Se numește „supervizată” pentru că răspunsurile corecte joacă rolul unui profesor care verifică fiecare încercare și arată cât de departe a fost modelul de adevăr.
Sarcinile tipice sunt de două feluri: clasificarea, când răspunsul este o categorie (spam sau nu, ce boală, ce cifră), și regresia, când răspunsul este un număr (prețul, temperatura de mâine, durata unei livrări).
Cum funcționează
Modelul primește o intrare și face o predicție, care este comparată cu eticheta corectă. Diferența, măsurată de funcția de pierdere, este folosită pentru a ajusta parametrii. Procesul se repetă pe toate exemplele, de mai multe ori.
Calitatea finală se verifică pe un set de test, cu exemple etichetate pe care modelul nu le-a văzut. Marea limită a metodei este nevoia de multe date etichetate, iar etichetarea costă timp și bani.
Pe înțelesul tuturor
Este ca învățatul dintr-o culegere care are răspunsurile la final. Rezolvi o problemă, te uiți la răspuns, vezi unde ai greșit și data viitoare faci mai bine. După sute de probleme, rezolvi corect și probleme noi, fără să mai ai nevoie de răspunsuri.
Exemplu
Un site de anunțuri imobiliare vrea să sugereze automat un preț pentru apartamentele din Iași. Folosește zeci de mii de tranzacții vechi, fiecare cu suprafața, cartierul, etajul, anul construcției și prețul final. Modelul învață legătura dintre aceste caracteristici și preț și propune o estimare pentru fiecare anunț nou.
De reținut
- Învățarea supervizată înseamnă învățare din exemple care au răspunsul corect.
- Rezolvă două tipuri mari de probleme: clasificare (categorii) și regresie (numere).
- Are nevoie de date etichetate, care sunt adesea scumpe.
Nu confunda
- Supervizată vs. nesupervizată: în învățarea nesupervizată nu există răspunsuri corecte; modelul caută singur grupuri și tipare.
- Supervizată vs. supravegheată de un om: „supervizat” se referă la etichetele din date, nu la un om care urmărește modelul în timp ce lucrează.
Termeni înrudiți
- Machine learning (învățare automată): Ramura AI în care programele învață din exemple, în loc să primească reguli scrise pas cu pas de un programator.
- Învățare nesupervizată: Metoda de machine learning în care modelul primește date fără răspunsuri și descoperă singur grupuri, tipare sau anomalii.
- Etichetarea datelor: Munca prin care oamenii adaugă răspunsul corect la fiecare exemplu (de pildă „pisică” la o poză), ca un model să poată învăța din el.
- Clasificare: Sarcina de machine learning în care modelul pune fiecare exemplu într-o categorie dintr-o listă fixă, de exemplu „spam” sau „nu e spam”.
- Regresie: Sarcina de machine learning în care modelul prezice un număr, de exemplu un preț, o temperatură sau o durată.
- Învățare prin întărire: Metoda prin care un agent AI învață prin încercare și eroare, primind recompense pentru acțiunile bune și penalizări pentru cele rele.