Welcher Machine-Learning-Ansatz wird mit Daten trainiert, bei denen jedes Beispiel die korrekten Ausgabebeschriftungen enthält?

Überwachtes Lernen ist der Machine-Learning-Ansatz, bei dem das Modell mit einem gelabelten Datensatz trainiert wird. Das bedeutet, dass jedes Eingabebeispiel im Trainingsdatensatz die entsprechende korrekte Ausgabebeschriftung enthält. Das Modell lernt, Muster und Beziehungen zwischen den Eingaben und den bekannten Ausgaben zu erkennen, um Vorhersagen für neue, ungesehene Daten zu treffen. Unüberwachtes Lernen arbeitet mit ungelabelten Daten und sucht nach verborgenen Strukturen oder Mustern. Bestärkendes Lernen trainiert ein Agenten, Entscheidungen in einer Umgebung zu treffen, um Belohnungen zu maximieren, ohne explizite Ausgabebeschriftungen. Transferlernen ist eine Technik, bei der ein bereits auf einer Aufgabe trainiertes Modell als Ausgangspunkt für eine neue, verwandte Aufgabe verwendet wird.