El aprendizaje supervisado entrena un modelo en ejemplos etiquetados (entradas emparejadas con salidas correctas) para que aprenda a predecir salidas para nuevas entradas. Es el tipo de ML más común, utilizado para clasificación y regresión. Comprenderlo profundiza el conocimiento de ML.
Cómo funciona el aprendizaje supervisado
TRAIN on LABELED data (input → known correct output):
1. collect a DATASET of examples with labels (e.g. emails labeled spam/not-spam)
2. split into TRAINING and TEST sets
3. the model learns to map inputs → outputs by minimizing prediction error on training data
4. EVALUATE on the test set (unseen data) → measure how well it generalizes
5. use the trained model to PREDICT outputs for new inputs (inference)
→ learn from examples with answers → predict answers for new cases
