Innholdsfortegnelse
Hva er veiledet læring?
Veiledet læring (Supervised Learning) er en av de mest brukte tilnærmingene innen maskinlæring, der en modell trenes på et datasett som inneholder både input- og output-data (kjent som “treningsdata“). Modellen lærer sammenhengen mellom input og output, slik at den kan gjøre prediksjoner eller klassifikasjoner på nye, ukjente data. I veiledet læring får modellen tilbakemelding på resultatene under trening, noe som gjør det mulig å justere parametrene for å minimere feil.
Hvordan fungerer veiledet læring?
I veiledet læring jobber modellen med et datasett der hvert eksempel består av et sett med input-variabler (features) og en tilhørende output-variabel (target/label). Målet er at modellen skal finne en funksjon som tar input-variablene og genererer en output som ligger så nær den sanne outputen som mulig.
Treningsfase
Modellen blir trent ved å få tilgang til mange eksempler på sammenhengen mellom input og output. Modellen justerer sine parametere ved hjelp av en optimaliseringsalgoritme (for eksempel gradient descent) for å minimere en tapsfunksjon (loss function), som måler forskjellen mellom modellens prediksjon og den sanne outputen.
