Überwachtes Lernen
Überwachtes Lernen ist eine Klasse des maschinellen Lernens, die anhand beschrifteter Trainingsbeispiele lernt, Eingaben auf Ausgaben abzubilden. Bei genügend Beispielen von Eingaben, die mit bekannten richtigen Antworten gepaart sind, sagt es die Antwort für neue Eingaben voraus.
Überwachtes Lernen umfasst sowohl Klassifikation (Vorhersage einer Kategorie, etwa der Fehlerart) als auch Regression (Vorhersage einer Zahl, etwa der verbleibenden Nutzungsdauer). Seine Genauigkeit hängt stark von Menge und Qualität der beschrifteten Daten ab, was in der Industrie oft monatelange, mit bestätigten Ergebnissen versehene Aufzeichnungen bedeutet. Wo gute Beschriftungen vorliegen, ist es leistungsfähig und interpretierbar; wo nicht, werden stattdessen unüberwachte oder halbüberwachte Verfahren genutzt.