Wat is Supervised learning?

Supervised learning (begeleid leren) is de meest toegepaste en fundamentele basismethode binnen Machine Learning (kunstmatige intelligentie). Hierbij wordt een algoritme heel gericht getraind om verborgen patronen en relaties te herkennen op basis van een dataset die vooraf volledig is voorzien van handmatige ‘labels’ (de juiste antwoorden).

Het trainingsproces: Invoer en Uitvoer

Het principe van supervised learning is te vergelijken met een leraar die een leerling overhoort aan de hand van een antwoordenboek. Het proces verloopt in een aantal vaste stappen:

1. Dataverzameling: Er wordt een grote trainingsset ingevoerd bestaande uit inputdata én het bijbehorende outputlabel (bijvoorbeeld duizenden foto’s van katten waarbij expliciet het label ‘kat’ is toegevoegd).
2. Modelvorming: Het algoritme analyseert de kenmerken van deze gelabelde voorbeelden en bouwt een mathematisch model op.
3. Voorspelling en optimalisatie: Het model doet voorspellingen op nieuwe, ongeziene data. Als de voorspelling afwijkt van het werkelijke label, past het algoritme automatisch zijn interne parameters aan om de nauwkeurigheid continu te verhogen.

Het uiteindelijke doel van supervised learning is om het AI-model zo accuraat te maken dat het zelfstandig betrouwbare voorspellingen of classificaties kan doen wanneer het in de praktijk wordt geconfronteerd met gloednieuwe, onbevooroordeelde data (zoals het automatisch detecteren van spam of het voorspellen van e-commerce klantgedrag).