Qual è la differenza tra compiti di apprendimento supervisionato e non supervisionato?

L'apprendimento supervisionato e non supervisionato sono i due principali tipi di apprendimento automatico.

• Apprendimento supervisionato: il modello viene addestrato su dati etichettati, dove a ogni input corrisponde una risposta corretta (etichetta). L'obiettivo è imparare a prevedere le etichette per nuovi dati. Esempio: classificare le email come spam o non spam.

• Apprendimento non supervisionato: il modello lavora con dati non etichettati, cercando di trovare strutture o schemi nascosti senza risposte conosciute in anticipo. Esempio: raggruppare i clienti in base al comportamento.

La differenza chiave è la presenza o assenza di etichette nei dati di addestramento.