Supervised learning

Wat is supervised learning?

Supervised learning (begeleid leren) is de vorm van machine learning waarbij een model leert van voorbeelden met het juiste antwoord erbij. Je geeft het systeem duizenden invoeren met bijbehorende labels, bijvoorbeeld e-mails gemarkeerd als spam of geen spam, en het model leert het verband. Daarna kan het zelfstandig voorspellingen doen over nieuwe gevallen die het nooit eerder zag. Het is nog altijd de meest gebruikte vorm van machine learning in het bedrijfsleven.

Hoe werkt het?

Je start met een gelabelde dataset: elke invoer (een e-mail, een foto, een klantprofiel) is voorzien van de juiste uitkomst. Het algoritme zoekt patronen die invoer en uitkomst verbinden en stelt zichzelf bij tot de voorspellingen kloppen. Daarna test je het model op data die het niet eerder zag, om te controleren of het echt geleerd heeft en niet alleen de voorbeelden uit het hoofd kent. Er zijn twee hoofdvormen: classificatie (kiezen uit categorieën, zoals spam of geen spam) en regressie (een getal voorspellen, zoals een verkoopprognose of woningprijs).

Wat heb je eraan als bedrijf?

Veel praktische AI in bedrijven is supervised learning: facturen automatisch categoriseren, kredietrisico inschatten, churn voorspellen, defecten herkennen op productfoto’s. De voorwaarde is een flinke set goede voorbeelden met labels, en die labels maken is vaak het echte werk. Heb je historische data waarin de uitkomst al vastligt (betaald of niet, geannuleerd of niet), dan heb je in feite gratis trainingsmateriaal liggen.

Gerelateerde begrippen

Supervised learning is een hoofdvorm van machine learning, naast unsupervised learning en reinforcement learning. Het labelen van data heet annotatie; bekende algoritmes zijn decision trees en support vector machines.