Apprendimento supervisionato
L'apprendimento supervisionato è una classe di machine learning che impara a mappare gli input sugli output a partire da esempi di addestramento etichettati. Dato un numero sufficiente di esempi di input abbinati alle risposte corrette note, prevede la risposta per nuovi input.
L'apprendimento supervisionato copre sia la classificazione (prevedere una categoria, come il tipo di guasto) sia la regressione (prevedere un valore numerico, come la vita utile residua). La sua accuratezza dipende fortemente dalla quantità e dalla qualità dei dati etichettati, che in ambito industriale significano spesso mesi di registrazioni associate a esiti confermati. Quando esistono buone etichette è potente e interpretabile; quando non ci sono, si ricorre invece a metodi non supervisionati o semi-supervisionati.