Supervised Learning, på svenska ”övervakad inlärning”, är en typ av maskininlärning som använder märkta data för att träna modeller och göra förutsägelser eller klassificeringar. Det innebär att vi har tillgång till data där vi redan vet vilka svar som är rätt.
Till exempel, om vi tränar en modell för att känna igen olika frukter, så kan vi mata modellen med bilder på frukter där vi också anger vilken frukt som visas på bilden. På så sätt kan modellen lära sig att känna igen frukter själv.
Ett exempel på hur Supervised Learning kan användas är för att identifiera spam-e-post. Modellen tränas på märkt data där vi har angivit vilka e-postmeddelanden som är spam och vilka som inte är det.
När modellen har tränats på tillräckligt mycket data kan den sedan användas för att klassificera nya e-postmeddelanden som spam eller inte spam baserat på dess tidigare inlärning.