Mit jelent a felügyelt tanulás?
A felügyelt tanulás (supervised learning) a gépi tanulás három fő ága közül a leggyakrabban használt. Lényege: a modell címkézett példák alapján tanul. Minden tanítási adatpont egy (bemenet, helyes kimenet) páros — a „felügyelt" szó arra utal, hogy van egy „tanár" (ember vagy más rendszer), aki előre megmondja, mi a helyes válasz.
Két fő típusa van:
- Osztályozás (classification): diszkrét kategóriába sorol — pl. „spam" vs. „nem spam".
- Regresszió (regression): folytonos értéket jósol — pl. egy lakás várható ára.
Példák a hétköznapokban:
- Spamszűrő: emberek által „spam"-nek vagy „inbox"-nak címkézett e-mailek tanítják.
- Hitelminősítés: korábbi hitelek + visszafizetési előzmények alapján.
- Képfelismerés: emberek által felcímkézett képek („ez kutya", „ez macska").
Hogyan működik a folyamat?
A felügyelt tanulás négy lépésből áll:
- Adatgyűjtés és címkézés — ez gyakran a teljes munka 60-70%-a. Például egy ügyféllevél-osztályozónál minden levélhez kategóriát kell adni.
- Modellválasztás — döntési fa, neurális hálózat, vagy más algoritmus.
- Tanítás — a modell a címkézett példákon iteratívan beállítja a belső paramétereit.
- Validáció — előre félretett, nem látott adatokon mérjük, mennyire pontos a modell.
A modern AI fejlesztésben a fine-tuning is felügyelt tanulás: meglévő, általános modellt tanítunk tovább saját címkézett adatokon.
Üzleti példa egy KKV-nál
Egy 30 fős magyar pénzügyi tanácsadó cég napi 200 ügyféllevelet kapott — a kérdések nagy részét 6 visszatérő kategóriába lehet sorolni (számlanyitás, befektetési kérdés, panasz, stb.). Az asszisztens kollégák naponta 1,5-2 órát töltöttek a levelek manuális címkézésével.
Az automatizáció: 800 korábbi e-mail manuális címkézése után tanítottak egy felügyelt modellt, amely 92%-os pontossággal sorolja a leveleket. A bizonytalan eseteket (8%) továbbra is ember nézi át. Eredmény: napi 90 perc szabadult fel kollégánként, és a válaszidő 24 óráról 4 órára csökkent.
Mit kell tudni egy cégvezetőnek?
A felügyelt tanulás legnagyobb költsége nem a modell, hanem az adat. A jó címkézett adat aranyat ér — minden új projektnél a kérdés: van-e meglévő, használható címkézett adatunk, vagy építeni kell.
Két fontos szabály:
- Minőség > mennyiség: 1.000 jól címkézett példa többet ér, mint 10.000 felületesen címkézett.
- Ne automatizálj olyat, amit te se tudnál egyértelműen címkézni: ha az emberek között 60%-os egyetértés van, hogy mi a „helyes válasz", akkor a modell sem fog 90% felett teljesíteni.
Ha az adat természeténél fogva nincs címkézve, akkor inkább a felügyelet nélküli tanulás felé kell fordulni.