¿Qué enfoque de machine learning se entrena utilizando datos donde cada ejemplo incluye las etiquetas de salida correctas?

El aprendizaje supervisado es el enfoque correcto porque se entrena con un conjunto de datos que contiene ejemplos de entrada y sus correspondientes etiquetas de salida correctas. El modelo aprende a mapear las entradas a las salidas basándose en estos pares etiquetados. El aprendizaje no supervisado trabaja con datos sin etiquetar, buscando patrones o estructuras ocultas. El aprendizaje por refuerzo implica un agente que aprende a tomar decisiones a través de la interacción con un entorno, recibiendo recompensas o penalizaciones. El aprendizaje por transferencia reutiliza un modelo pre-entrenado en una tarea similar, no se refiere al tipo de datos de entrenamiento inicial.