نگرانی سے سیکھنا ایک ماڈل کو لیبل شدہ مثالوں (ان پٹ صحیح نتائج کے ساتھ جوڑے ہوئے) پر تربیت دیتا ہے تاکہ یہ نئے ان پٹ کے لیے نتائج کی پیش گوئی کرنا سیکھ سکے۔ یہ سب سے عام ML قسم ہے، جو درجہ بندی اور regression کے لیے استعمال ہوتی ہے۔ اسے سمجھنا ML کے علم کو گہرا کرتا ہے۔
نگرانی سے سیکھنا کیسے کام کرتا ہے
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
