Uczenie nadzorowane
Uczenie nadzorowane to klasa uczenia maszynowego, która uczy się odwzorowywać wejścia na wyjścia na podstawie oznakowanych przykładów uczących. Mając wystarczająco wiele przykładów wejść powiązanych ze znanymi poprawnymi odpowiedziami, przewiduje odpowiedź dla nowych wejść.
Uczenie nadzorowane obejmuje zarówno klasyfikację (przewidywanie kategorii, takiej jak typ usterki), jak i regresję (przewidywanie liczby, takiej jak pozostały czas użytkowania). Jego dokładność silnie zależy od ilości i jakości oznakowanych danych, co w przemyśle często oznacza miesiące zapisów oznaczonych potwierdzonymi wynikami. Gdy istnieją dobre etykiety, jest potężne i interpretowalne; gdy ich brak, stosuje się zamiast tego metody nienadzorowane lub półnadzorowane.