सुपरभाइज्ड लर्निङ ले लेबल गरिएका उदाहरणहरू (इनपुटहरू सही आउटपुटहरूसँग जोडिएको) मा मोडेल प्रशिक्षण गर्छ ताकि यो नयाँ इनपुटहरूको लागि आउटपुट भविष्यवाणी गर्न सिक्छ। यो सबैभन्दा सामान्य ML प्रकार हो, वर्गीकरण र रिग्रेसनको लागि प्रयोग गरिन्छ। यसलाई विस्तारमा बुझ्नु ML ज्ञान गहिराइ बढाउँछ।
सुपरभाइज्ड लर्निङ कसरी काम गर्छ
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
