Обучение с учителем (Supervised learning)

Обучение с учителем (Supervised learning) — парадигма машинного обучения, при которой алгоритм обучается на размеченных тренировочных данных, содержащих пары «входной объект — известный правильный ответ», и формирует обобщающую функцию, отображающую входные данные в выходные.

Что означает термин

Термин описывает один из базовых подходов к обучению моделей в машинном обучении и искусственном интеллекте. Слово «supervised» указывает на роль «учителя» или «наставника»: им выступает заранее подготовленный набор данных, в котором для каждого входного объекта зафиксирован правильный ответ — метка класса, числовое значение или иной целевой показатель. Алгоритм в ходе обучения сверяет свои предсказания с этими ответами и корректирует параметры так, чтобы воспроизвести заданную зависимость на новых, не встречавшихся ранее примерах.

Как устроено

Процесс строится вокруг обучающей выборки — конечного набора пар «объект — ответ», подготовленного до запуска алгоритма. Модель получает входные признаки объекта и формирует собственный выход; расхождение между её предсказанием и эталонным ответом измеряется функцией потерь и используется для обновления параметров. После многократного прохода по выборке модель проверяют на контрольных данных, которые не участвовали в обучении, чтобы оценить способность обобщать закономерности, а не запоминать примеры. Итогом является функция, которую можно применять к новым входным данным без обращения к исходным меткам.

Где применяется

Подход используется в задачах классификации — например, при разделении электронных писем на спам и не-спам по набору уже размеченных сообщений. Второй крупный класс задач — регрессия, где требуется предсказать числовую величину: так, на исторических данных о сделках с известными ценами модель учится прогнозировать стоимость жилья. Метод также применяется в распознавании изображений, где алгоритм тренируется на фотографиях с указанием объекта на снимке. Общий принцип остаётся одним и тем же: для каждой прикладной задачи требуется собрать достаточный массив пар «объект — ответ», на котором модель сможет выявить закономерность.

Отличие от близких понятий

Обучение с учителем противопоставляется обучению без учителя, при котором алгоритм работает с неразмеченными данными и сам выявляет структуру в них, а также обучению с подкреплением, где модель учится через взаимодействие со средой и получаемые сигналы вознаграждения. Все три направления относятся к фундаментальным парадигмам обучения нейросетей и других моделей, но различаются характером внешнего сигнала: готовые метки, отсутствие меток или отложенная обратная связь от среды.