Uczenie nadzorowane

Uczenie nadzorowane (ang. supervised learning) – jedna z podstawowych technik uczenia maszynowego, w której model jest trenowany na zbiorze danych zawierającym zarówno obserwacje (wektory cech), jak i ich znane etykiety (klasy lub wartości docelowe). Dzięki temu model może później prognozować etykiety dla nowych, nieoznaczonych danych.

Definicja i zasada działania

W uczeniu nadzorowanym podstawowym zadaniem jest znalezienie funkcji f, która w przybliżeniu odwzorowuje wejściowy wektor cech x na wyjście y – y = f(x). Proces ten odbywa się w dwóch etapach:

Trening – algorytm dostaje zbiór treningowy składający się z par (x, y) i optymalizuje parametry modelu tak, aby minimalizować wybraną funkcję straty.
Walidacja i test – wytrenowany model jest oceniany na zbiorze testowym (lub walidacyjnym), aby oszacować jego zdolność do generalizacji.

Historia

Początki uczenia nadzorowanego sięgają połowy XX wieku, kiedy to Frank Rosenblatt opracował perceptron – prosty model liniowy do klasyfikacji binarnej. Rozwój metod statystycznych, takich jak regresja liniowa i metoda najmniejszych kwadratów, przyczynił się do ugruntowania podstaw teoretycznych. W latach 80. i 90. pojawiły się bardziej złożone algorytmy, m.in. drzewa decyzyjne, k‑NN oraz wczesne sieci neuronowe. Od początku XXI wieku, dzięki wzrostowi mocy obliczeniowej oraz dostępności dużych zbiorów danych (big data), uczenie nadzorowane stało się kluczowym elementem sztucznej inteligencji.

Podstawowe rodzaje zadań

Klasyfikacja – przypisywanie obserwacji do jednej z dyskretnych klas (np. rozpoznawanie cyfr, rozpoznawanie twarzy).
Regresja – przewidywanie wartości ciągłych (np. prognozowanie cen nieruchomości, prognozowanie pogody).

Popularne algorytmy

W zależności od charakteru problemu i struktury danych stosuje się różne algorytmy:

Regresja liniowa i regresja logistyczna
k‑najbliższych sąsiadów (k‑NN)
Drzewa decyzyjne oraz ich zespoły: Random Forest, Gradient Boosting
Sieci neuronowe, w tym maszyny wektorów nośnych (SVM)
Naive Bayes

Przebieg procesu uczenia

Zebranie i wstępne przygotowanie danych (czyszczenie danych, inżynieria cech).
Podział na zbiory: treningowy, walidacyjny i testowy.
Wybór modelu i hiperparametrów.
Trening modelu – optymalizacja parametrów przy użyciu algorytmu (np. gradient descent).
Ewaluacja przy pomocy miar jakości: dokładność, precyzja, czułość (recall), F1‑score, średni błąd kwadratowy (MSE).
Unikanie przeuczenia i niedo uczenia – techniki takie jak walidacja krzyżowa, regularyzacja (L1, L2), dropout w sieciach neuronowych.
Test końcowy i wdrożenie modelu.

Zastosowania

Uczenie nadzorowane znajduje zastosowanie w wielu dziedzinach:

Finanse – wykrywanie oszustw, prognozowanie ryzyka kredytowego.
Opieka zdrowotna – diagnozowanie chorób na podstawie danych medycznych, prognozowanie przebiegu leczenia.
Automatyka i przemysł – sterowanie procesami, predykcja awarii maszyn.
Rozpoznawanie obrazów i mowy – klasyfikacja obiektów, transkrypcja mowy.
Systemy rekomendacyjne – predykcja preferencji użytkowników.

Wyzwania i ograniczenia

Pomimo szerokiego zastosowania, uczenie nadzorowane napotyka na liczne problemy:

Wymóg dużych, dobrze oznakowanych zbiorów danych – kosztowne i czasochłonne tworzenie etykiet.
Ryzyko biasu w danych treningowych, co prowadzi do nieprecyzyjnych lub dyskryminujących modeli.
Problemy ze skalowalnością przy bardzo dużych zbiorach danych.
Trudności w interpretacji niektórych modeli (np. głębokich sieci neuronowych).

Powiązane pojęcia

Osoby zainteresowane tematem mogą również odwiedzić następujące artykuły:

Literatura

Podstawowe pozycje w literaturze:

Tom Mitchell, Machine Learning, 1997.
Ian Goodfellow, Yoshua Bengio, Aaron Courville, Deep Learning, 2016.
Christopher Bishop, Pattern Recognition and Machine Learning, 2006.