Worin unterscheiden sich Aufgaben des überwachten und unüberwachten Lernens?

Überwachtes (mit Lehrer) und unüberwachtes (ohne Lehrer) Lernen sind die beiden Haupttypen des maschinellen Lernens.

• Überwachtes Lernen: Das Modell wird mit gelabelten Daten trainiert, bei denen jeder Eingang eine richtige Antwort (Label) hat. Ziel ist es, die Labels für neue Daten vorherzusagen. Beispiel: Klassifizierung von E-Mails in Spam und Nicht-Spam.

• Unüberwachtes Lernen: Das Modell arbeitet mit ungelabelten Daten und versucht, darin verborgene Strukturen oder Muster zu finden, ohne vorher bekannte Antworten. Beispiel: Kunden nach Verhalten gruppieren.

Der entscheidende Unterschied ist das Vorhandensein oder Fehlen von Labels in den Trainingsdaten.