Apprendimento supervisionato

Da che cosa apprende un modello supervisionato?

L’apprendimento supervisionato usa per l’addestramento ingressi insieme ai rispettivi obiettivi. Questi obiettivi sono chiamati etichette e possono essere classi o valori numerici. Il modello deve apprendere relazioni per prevedere risultati adatti a nuovi ingressi. Gli obiettivi devono corrispondere al compito previsto. Il termine supervisionato si riferisce a questi obiettivi di addestramento; un’approvazione umana durante l’uso successivo viene definita come passaggio distinto del processo.

In un progetto di assistenza fittizio, messaggi precedenti con assegnazioni verificate ai gruppi Riparazione o Fatturazione devono servire come esempi di addestramento. Il gruppo di lavoro chiarisce prima se tali assegnazioni riflettano le responsabilità desiderate oggi e siano state attribuite in modo coerente. Etichette errate possono insegnare relazioni scorrette. Per la valutazione sono previsti altri messaggi adatti che non facciano parte dell’addestramento. Si deve verificare anche come il modello gestisce richieste ambigue o fino ad allora sconosciute. La presenza di etichette rende possibile questo metodo, ma non dimostra una qualità sufficiente per l’impiego operativo.

Fonti

• Google · Machine Learning Glossary