Supervised Learning

Der „klassische“ Fall von Machine Learning. Dabei gibt es zu jedem Datenpunkt (z. B. eine Patientin mit unterschiedlichen Vitalparametern) eine zugehörige Zielvariable (z. B. ihr Sturzrisiko). Einem → Algorithmus kann so beigebracht werden, für zukünftige, noch nicht gesehene Patient*innen das Sturzrisiko vorherzusagen. Beim Training werden also sowohl Trainingsdaten als auch eine Zielvariable, oft → Label genannt, benötigt.