Aprendizaje supervisado

En el aprendizaje supervisado, el modelo aprende a partir de pares de entrada y respuesta correcta, llamada etiqueta. Es como estudiar con un cuaderno de ejercicios resueltos: ves muchos problemas con su solución y, con práctica, aprendes a resolver problemas nuevos. Una vez entrenado, el modelo recibe sólo la entrada y debe predecir la etiqueta.

Se divide en dos grandes tipos de tareas. En la clasificación, la respuesta es una categoría: «spam» o «no spam», «tumor benigno» o «maligno». En la regresión, la respuesta es un número: el precio de una casa o la demanda de electricidad de mañana. Algoritmos comunes incluyen la regresión lineal y logística, los árboles de decisión, los bosques aleatorios y las redes neuronales.

Su principal costo está en las etiquetas. Alguien tiene que marcar miles o millones de ejemplos, y ese etiquetado de datos puede ser caro, lento y propenso a errores o sesgos. Si las etiquetas están mal, el modelo aprende mal. Por eso se han desarrollado alternativas como el aprendizaje autosupervisado, que obtiene las etiquetas de los propios datos.

Para saber si un modelo supervisado funciona, se evalúa con ejemplos etiquetados que no usó al entrenar, con métricas como exactitud, precisión y exhaustividad. Así se detecta si memorizó el conjunto de entrenamiento en lugar de generalizar.