Valvottu oppiminen on perustava koneoppimismalli, jossa malleja koulutetaan tunnistetussa datassa. Siihen kuuluu kartoitus syötteistä lähtöihin esimerkkiparien pohjalta. Tätä menetelmää käytetään laajasti sovelluksissa, kuten kuvantunnistus, roskapostin havaitseminen ja ennustava analytiikka.

Opintojakson keskeiset käsitteet

Ohjatussa oppimisessa data koostuu syöttö-tuotosparista, jossa jokainen panos liitetään tunnettuun merkkiin. Tavoitteena on kehittää malli, joka pystyy ennustamaan tarkasti uuden, näkymättömän datan merkinnät. Prosessiin kuuluu koulutus-, validointi- ja testausvaiheita, joilla varmistetaan mallin tehokkuus.

Mallin suunnittelu ja valinta

Oikean mallin valinta riippuu ongelmatyypistä ja datan ominaisuuksista. Yhteisiin malleihin kuuluvat lineaarinen regressio jatkuville lähtöille ja luokittelualgoritmeille, kuten päätöspuille tai hermoverkoille kategorisille merkinnöille. Mallin monimutkaisuuden tulisi tasapainottaa tarkkuus ja ylivarusteluriski.

Täytäntöönpanovaiheet

  • Kerätään ja esikäsitellään merkityt tiedot
  • Valitse sopiva malliarkkitehtuuri
  • Koulutustietojen avulla koulutettava malli
  • Validoidaan malli erillisellä aineistolla
  • Testaa mallin suorituskykyä näkymättömissä tiedoissa