1. Fogalom magyarul: felügyelt tanulás

2. Fogalom angolul: supervised learning

3. Meghatározás:

A felügyelt tanulás egy alapvető gépi tanulási paradigma, amely során a modell(ek) mintákat tanul(nak) meg címkézett adatokból, azaz olyan adatkészletből, ahol minden bemeneti adathoz hozzárendelt egy elvárt kimenet. Ez a megközelítés olyan, mintha egy tanárral tanulnánk, aki azonnali visszajelzést ad arról, hogy a válaszok helyesek-e. A tanulási folyamat egy veszteségfüggvény minimalizálását valósítja meg iteratív optimalizálási technikák révén, így csökkentve az eltérést a modell által jósolt és a tényleges kimenetek között. A felügyelt tanulás két fő kategóriája a klasszifikáció (osztályozás) és a regresszió. A klasszifikáció során az algoritmus kategóriákba sorolja az adatokat (például e-maileket spamként vagy nem spamként), míg a regresszió során folytonos értékeket jósol meg (például ingatlanárakat). Tipikus algoritmusok közé tartoznak a döntési fák, a neurális hálózatok és a szupport vektor gépek (SVM). Ezek az algoritmusok különböző módokon közelítik meg az optimalizálást, így különböző típusú problémákra és adatkészletekre alkalmazhatók. Azonban általánosan érvényes, hogy a felügyelt tanulás sikere nagymértékben függ a címkézett adatok minőségétől és reprezentativitásától. A fejlett megközelítések közé tartozik a félig felügyelt tanulás, amely egyesíti a címkézett és a címkézetlen adatokat, és a gyengén felügyelt tanulás, amely zajos vagy pontatlan címkékkel foglalkozik.

4. Hivatkozások:

• Hastie, Trevor, Robert Tibshirani, and Jerome Friedman. "The Elements of Statistical Learning." Springer, 2009.
• Bishop, Christopher M. "Pattern Recognition and Machine Learning." Springer, 2006.

5. Megjegyzések:​​​​​​​

6. Kulcsszavak:

mesterséges intelligencia, gépi tanulás