Spiega la differenza tra apprendimento supervisionato e non supervisionato. Per favore, rispondi a questa domanda oralmente.

L'apprendimento supervisionato è un metodo di machine learning in cui il modello viene addestrato su dati etichettati, cioè i dati di input hanno risposte corrette corrispondenti (etichette). L'obiettivo è imparare a prevedere queste etichette per nuovi dati. Ad esempio, classificare le email come spam o non spam.

L'apprendimento non supervisionato lavora con dati non etichettati, e il modello cerca di identificare autonomamente strutture o schemi nascosti, ad esempio raggruppare oggetti simili (clustering) o ridurre la dimensionalità dei dati. Qui non ci sono risposte corrette conosciute in anticipo.