Un filtru de spam marchează un e-mail ca fiind nedorit, deoarece a văzut mii de mesaje deja marcate ca „spam” sau „nu este spam”. Aceasta este învățarea supravegheată în miniatură: un model învață o mapare de la intrări la ieșiri folosind exemple în care răspunsul corect este cunoscut. Fiecare pereche de antrenament poartă o etichetă, iar algoritmul își ajustează parametrii interni până când predicțiile sale se potrivesc suficient de bine cu acele etichete pentru a se generaliza la date noi.

Abordarea se împarte în două mari familii. Clasificarea prezice o categorie, cum ar fi dacă o tumoare este benignă sau malignă. Regresia prezice un număr, cum ar fi temperatura de mâine sau prețul unei case. Ambele se bazează pe aceeași buclă centrală: se face o predicție, se măsoară eroarea în raport cu eticheta și se modifică ponderile pentru a reduce eroarea respectivă.

Algoritmi comuni

• Regresie liniară și logistică pentru valori de referință simple și interpretabile
• Arbori de decizie și păduri aleatoare pentru date tabulare
• Mașini vectoriale de suport pentru clasificarea bazată pe margini
• Rețele neuronale pentru imagini, vorbire și limbaj

Etichetele costă bani și timp. Un radiolog care adnotează 10.000 de scanări este scump; o mulțime de lucrători care etichetează sentimentele este lentă și zgomotoasă. Această cheltuială este principalul motiv pentru care metodele nesupervizate și semi-supervizate atrag atât de multă atenție. Totuși, atunci când etichetele clare există din abundență, învățarea supervizată rămâne cel mai fiabil instrument disponibil.