Quale approccio di machine learning viene addestrato utilizzando dati in cui ogni esempio include le etichette di output corrette?

L'apprendimento supervisionato è l'approccio corretto perché si basa sull'addestramento di un modello utilizzando un dataset in cui ogni esempio di input è associato alla sua etichetta di output corretta (o "verità di base"). Questo permette al modello di imparare la mappatura tra input e output. L'apprendimento non supervisionato (unsupervised learning) lavora con dati senza etichette, cercando pattern o strutture intrinseche. L'apprendimento per rinforzo (reinforcement learning) addestra un agente a prendere decisioni in un ambiente per massimizzare una ricompensa, senza etichette esplicite. L'apprendimento per trasferimento (transfer learning) riutilizza un modello pre-addestrato su un nuovo problema correlato, non è un approccio di addestramento primario in questo contesto.