Supervised Learning
Modelin etiketli veri kullanarak girdi-çıktı ilişkisini öğrendiği yöntem.
Gözetimli öğrenme (supervised learning), bir makine öğrenmesi modelinin, her örneğin doğru cevabının (etiketinin) önceden bilindiği bir veri kümesi kullanılarak girdi ile çıktı arasındaki ilişkiyi öğrendiği en yaygın ve en iyi anlaşılan öğrenme paradigmasıdır. Eğitim sürecinde model, her girdi için bir tahmin üretir, bu tahmin gerçek etiketle karşılaştırılır ve aradaki fark (kayıp) bir kayıp fonksiyonuyla ölçülür; ardından model, geri yayılım ve gradyan inişi gibi yöntemlerle bu farkı azaltacak şekilde ağırlıklarını günceller. Süreç, bir öğretmenin öğrenciye doğru cevapları göstererek öğretmesine benzetilir; "gözetim" (supervision) ifadesi buradan gelir.
Gözetimli öğrenme temelde iki tür probleme ayrılır: sınıflandırma, çıktının bir kategori olduğu durumlar için (örneğin bir e-postanın spam olup olmadığını belirlemek); regresyon ise çıktının sürekli bir sayısal değer olduğu durumlar için (örneğin bir evin fiyatını tahmin etmek) kullanılır. Görüntü sınıflandırma, konuşma tanıma, kredi risk skorlama, tıbbi teşhis ve büyük dil modellerinin ince ayar aşaması gibi sayısız gerçek dünya uygulaması gözetimli öğrenmeye dayanır. Yöntemin en büyük kısıtı, kaliteli ve doğru şekilde etiketlenmiş büyük miktarda veri gerektirmesidir; bu etiketleme süreci genellikle maliyetli ve zaman alıcıdır, bu da yarı gözetimli ve gözetimsiz öğrenme gibi alternatif yaklaşımların geliştirilmesini teşvik etmiştir.
Gözetimli öğrenme temelde iki tür probleme ayrılır: sınıflandırma, çıktının bir kategori olduğu durumlar için (örneğin bir e-postanın spam olup olmadığını belirlemek); regresyon ise çıktının sürekli bir sayısal değer olduğu durumlar için (örneğin bir evin fiyatını tahmin etmek) kullanılır. Görüntü sınıflandırma, konuşma tanıma, kredi risk skorlama, tıbbi teşhis ve büyük dil modellerinin ince ayar aşaması gibi sayısız gerçek dünya uygulaması gözetimli öğrenmeye dayanır. Yöntemin en büyük kısıtı, kaliteli ve doğru şekilde etiketlenmiş büyük miktarda veri gerektirmesidir; bu etiketleme süreci genellikle maliyetli ve zaman alıcıdır, bu da yarı gözetimli ve gözetimsiz öğrenme gibi alternatif yaklaşımların geliştirilmesini teşvik etmiştir.