Wat is Supervised Learning?
Supervised learning is een machine learning-paradigma waarbij een model wordt getraind op gelabelde data — input-outputparen waarvan het correcte antwoord bekend is. Het model leert de relatie tussen input en output, zodat het daarna voorspellingen kan doen op nieuwe, ongeziene data.
Waarom het ertoe doet
Supervised learning is het meest gebruikte en best begrepen ML-paradigma. Elke keer dat een model een e-mail als spam classificeert, een huisprijs voorspelt, een gezicht herkent of een medische diagnose ondersteunt, is supervised learning aan het werk. Het is de basis van de meeste productie-ML-systemen.
Hoe het werkt
Het basisproces:
- Verzamel gelabelde data — input-outputparen (foto → "kat", e-mail → "spam")
- Kies een model — logistische regressie, random forest, neuraal netwerk, etc.
- Train het model — het model past parameters aan om fouten te minimaliseren
- Evalueer — test op data die het model nog niet gezien heeft
- Deploy — zet het model in voor nieuwe voorspellingen
Twee hoofdtypen:
- Classificatie — voorspel een categorie (spam/geen spam, hond/kat/vogel)