Обучение с учителем

Supervised learning: обучение на размеченных данных (входы X, метки y), цель — найти функцию f: X→y. Два типа задач: классификация (y дискретный, примеры: спам/не спам, распознавание цифр 0-9) и регрессия (y непрерывный, примеры: цена дома, температура). Алгоритмы: линейная регрессия (f(x)=w·x+b, минимизация MSE), логистическая регрессия (σ(w·x), classification), деревья решений (CART, ID3), SVM (maximum margin classifier), нейросети (универсальные аппроксиматоры). Оценка: train/test split, cross-validation, метрики (accuracy, precision, recall, F1, RMSE)