Aprendizaje Supervisado

El aprendizaje supervisado es el paradigma del aprendizaje automático en el que un modelo aprende a partir de datos etiquetados —pares de entrada y salida deseada— a asignar nuevas entradas a su salida correcta. Se llama «supervisado» porque las etiquetas actúan como un maestro que corrige: el algoritmo compara su predicción con la respuesta conocida y ajusta su comportamiento.

Clasificación y regresión

Según el tipo de salida, se distinguen dos tareas. En la clasificación, la salida es una categoría discreta: si un correo es spam o no, si un tumor es benigno o maligno, qué dígito hay en una imagen. En la regresión, la salida es un número continuo: el precio de una vivienda o la temperatura de mañana.

Cómo funciona

El modelo se ajusta minimizando una función de pérdida que mide el error entre sus predicciones y las etiquetas reales sobre los datos de entrenamiento. Pero la meta no es acertar en el entrenamiento, sino generalizar a datos nuevos; por eso los datos se reparten en un conjunto de entrenamiento, uno de validación —para ajustar y vigilar— y uno de prueba, reservado para una estimación final imparcial. Si el error de entrenamiento baja mientras el de validación sube, el modelo está sobreajustando: memorizando en vez de aprender.

Frente a otros enfoques, y sus límites

A diferencia del aprendizaje no supervisado, que trabaja sin etiquetas, o del aprendizaje por refuerzo, guiado por recompensas, el supervisado depende de disponer de etiquetas, y etiquetar es caro y lento; de ahí que hayan surgido el semi-supervisado y el autosupervisado. Sus algoritmos representativos van de la regresión logística, los k-vecinos, las máquinas de vectores de soporte o los árboles y bosques hasta las redes neuronales. Y sus riesgos son el sobreajuste y los sesgos que el modelo hereda de unas etiquetas sesgadas.