Qué es
En el aprendizaje supervisado, el modelo se entrena con un conjunto de datos donde cada ejemplo ya tiene asociada la respuesta correcta (una etiqueta): por ejemplo, fotos de perros y gatos ya identificadas como tales. El objetivo es que el modelo aprenda a predecir esa etiqueta para ejemplos nuevos que nunca vio.
Tipos principales
- Clasificación: predecir una categoría (spam o no spam, aprobado o rechazado).
- Regresión: predecir un valor numérico continuo (el precio de una casa, la temperatura de mañana).
Su principal limitación
Requiere datos etiquetados, y etiquetar manualmente grandes volúmenes de datos puede ser costoso y lento. Por eso, en muchos proyectos se combina con técnicas de aprendizaje no supervisado o con etiquetado semiautomático para reducir ese costo.