4.2 Überwachtes Lernen - NerimanK/Cloud-Computing-Technology---Google-Home GitHub Wiki

Wenn von überwachtem Lernen gesprochen wird, ist damit das Überwachen des Algorithmus gemeint. In der Methode werden große Menge von Ein- und Ausgaben zu Verfügung gestellt. Die große Menge von Ein- und Ausgaben verfügen bereits den korrekten Funktionswert. Ein Beispiel kann ein großer Datensatz mit Hunden und Katzen sein. Diese Information wird dafür benutzt, um die Maschine zu trainieren. Dabei soll die Maschine Hunde und Katzen auseinanderhalten. Wenn neue Bilder ohne Informationen dazu kommen, hat die Maschine bereits gelernt diese zu unterscheiden und zu sortieren.

Beim überwachten Lernen gibt es zwei Problemstellungen wie die Regression und die Klassifikation. (vgl. Forchter, 2018)

Klassifikation: Die Klassifikation ist eine überwachte Lernaufgabe. Die Maschinen erhalten zum Beispiel viele E-Mails und um die in den Ordnern wie Spam oder nicht Spam einzuteilen, müssen sie lernen, die neuen E-Mails richtig zu klassifizieren.

Regression: Die Regression hat Aufgabe eine numerische Zielgröße vorherzusagen, wie zum Beispiel, der Wert einer Aktie oder den Preis eines Autos auf gegebene Merkmale wie gefahrene Kilometer, Alter und Marke. Um das System zu trainieren benötigt es viele Beispielfahrzeuge. (vgl. Géron, 2018)