¿En qué se diferencian las tareas de aprendizaje supervisado y no supervisado?

El aprendizaje supervisado y no supervisado son los dos tipos principales de aprendizaje automático.

• Aprendizaje supervisado: el modelo se entrena con datos etiquetados, donde a cada entrada le corresponde una respuesta correcta (etiqueta). El objetivo es aprender a predecir las etiquetas para nuevos datos. Ejemplo: clasificar correos en spam y no spam.

• Aprendizaje no supervisado: el modelo trabaja con datos no etiquetados, intentando encontrar estructuras o patrones ocultos en ellos sin respuestas conocidas de antemano. Ejemplo: agrupar clientes según su comportamiento.

La diferencia clave es la presencia o ausencia de etiquetas en los datos de entrenamiento.