Aprendizado supervisionado
No aprendizado supervisionado, o modelo aprende a partir de dados de treinamento que incluem as soluções desejadas (rótulos/labels).
O processo funciona assim:
- Dados de treinamento vêm com rótulos (a resposta correta)
- O algoritmo aprende a relação entre os dados e os rótulos
- O modelo treinado pode então prever rótulos para dados novos
O aprendizado supervisionado é usado quando sabemos qual deve ser a saída — temos exemplos do resultado correto.
Exemplos para fixar
Exemplo 1: Um modelo é treinado com milhares de e-mails rotulados como "spam" ou "não-spam". Ele aprende quais características (palavras, remetente, formatação) indicam spam. Quando recebe um e-mail novo, prevê se é spam — com base nos padrões aprendidos dos rótulos.
Exemplo 2: Para prever preços de imóveis, treinamos um modelo com dados rotulados: características da casa (área, quartos, localização) + preço real de venda (o rótulo). O modelo aprende a relação entre características e preço, e depois prevê preços de casas novas.
Exemplo 3: Um sistema de diagnóstico médico é treinado com radiografias rotuladas por médicos ("pneumonia" ou "normal"). Cada imagem tem um rótulo correto — a supervisão vem dos especialistas humanos que rotularam os dados. O modelo aprende a associar padrões visuais ao diagnóstico.