Uitgebreide Uitleg
Supervised Learning is de meest voorkomende vorm van machine learning. Het model wordt getraind met voorbeelden waarbij zowel de input als het gewenste output bekend zijn. Denk aan foto's van katten (input) met het label "kat" (output).
Het trainingsproces werkt als volgt: het model maakt voorspellingen op de trainingsdata, vergelijkt deze met de echte labels, en past zijn interne parameters aan om de fout te minimaliseren. Dit herhaalt zich totdat het model nauwkeurig genoeg is.
Er zijn twee hoofdtypes: classificatie (categorieën voorspellen zoals spam/geen spam) en regressie (continue waarden voorspellen zoals huizenprijzen). Supervised learning werkt uitstekend als je veel gelabelde data hebt, maar het labelen zelf kan tijdrovend en duur zijn.
Praktijkvoorbeeld
Een Nederlands ziekenhuis gebruikt supervised learning voor het detecteren van huidkanker. Dermatologen hebben 10.000 foto's gelabeld als "gezond", "goedaardig" of "kwaadaardig". Het model leert deze patronen en kan nu nieuwe foto's classificeren.