Prižiūrėtas mokymasis yra mašininio mokymosi tipas, kai duomenys žymimi etiketėmis, o algoritmas mokomas numatyti nurodytos įvesties išvestį. Jis naudojamas klasifikavimo ir regresijos problemoms spręsti.
Prižiūrimas mokymasis yra mašininio mokymosi algoritmo tipas, kuris naudoja pažymėtus duomenis prognozėms atlikti. Tai dirbtinio intelekto (DI) tipas, kuris naudoja pažymėtus duomenis, kad mokytųsi iš naujų duomenų ir prognozuotų apie juos. Prižiūrimi mokymosi algoritmai naudojami duomenims klasifikuoti, rezultatams prognozuoti ir duomenų šablonams nustatyti.
Prižiūrimi mokymosi algoritmai mokomi naudojant pažymėtus duomenis. Pažymėti duomenys – tai duomenys, pažymėti konkrečiu rezultatu arba klase. Pavyzdžiui, kačių ir šunų vaizdų duomenų rinkinys gali būti pažymėtas klase „katė“ arba „šuo“. Tada prižiūrimas mokymosi algoritmas naudotų šiuos pažymėtus duomenis, kad išmoktų klasifikuoti naujus vaizdus kaip katę arba šunį.
Prižiūrimi mokymosi algoritmai gali būti naudojami įvairioms užduotims, pvz., klasifikavimas, regresija ir grupavimas. Klasifikavimo algoritmai naudojami duomenims klasifikuoti į skirtingas kategorijas. Regresijos algoritmai naudojami nenutrūkstamam rezultatui, pvz., akcijų kainai, prognozuoti. Klasteriavimo algoritmai naudojami duomenims grupuoti į grupes pagal panašumus.
Prižiūrimi mokymosi algoritmai naudojami įvairiose programose, pvz., vaizdo atpažinimo, natūralios kalbos apdorojimo, ir medicininė diagnozė. Prižiūrimi mokymosi algoritmai taip pat naudojami robotikoje, autonominėse transporto priemonėse ir kitose AI srityse.
Prižiūrimi mokymosi algoritmai yra galingi įrankiai prognozuoti ir klasifikuoti duomenis. Tačiau norint, kad jie būtų veiksmingi, reikalingi pažymėti duomenys. Be pažymėtų duomenų, prižiūrimi mokymosi algoritmai negali mokytis iš duomenų ir pateikti tikslių prognozių. Be to, prižiūrimi mokymosi algoritmai gali būti per daug pritaikyti, ty tada, kai algoritmas per daug išmoksta iš mokymo duomenų ir netinkamai apibendrina naujus duomenis.