{"id":1189,"date":"2019-07-18T09:25:20","date_gmt":"2019-07-18T09:25:20","guid":{"rendered":"https:\/\/digatus.com\/2019\/07\/18\/supervised-learning\/"},"modified":"2025-11-27T11:47:47","modified_gmt":"2025-11-27T10:47:47","slug":"supervised-learning","status":"publish","type":"post","link":"https:\/\/digatus.com\/de\/supervised-learning\/","title":{"rendered":"Supervised Learning"},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
Die Wahl des geeigneten Machine Learning Systems f\u00fcr ein Problem<\/h5>

Bevor Machine Learning zum Einsatz kommt, sollte man sich zun\u00e4chst fragen, welche Art von Problem es damit zu l\u00f6sen gilt. Da es sehr viele verschiedene Auspr\u00e4gungen von maschinellen Lernsystemen gibt, ist es sinnvoll sie nach den folgenden Kriterien in gr\u00f6\u00dfere Kategorien einzuteilen:<\/p>

Je nachdem, ob eine Person in den Lernprozess eingreifen soll, f\u00e4llt die Entscheidung auf einen supervised, unsupervised, semi-supervised oder reinforcement learning Ansatz.<\/p>

Muss das Systemmodell schrittweise oder im laufenden Betrieb lernen (online vs. batch)?<\/p>

Reicht es aus, neue Datenpunkte einfach mit bekannten Datenpunkten zu vergleichen oder ist es stattdessen notwendig Muster in den Trainingsdaten zu erkennen und ein vorhersagef\u00e4higes Modell zu erstellen (instanzbasiertes vs. modellbasiertes Training).<\/p>

Eine der h\u00e4ufigsten Aufgaben f\u00fcr Supervised Learning ist die Klassifizierung, wie sie im Beispiel des Spamfilters zum Einsatz kommt. Dieser lernt fortlaufend indem er beispielsweise ein tiefgreifendes neuronales Netzwerk nutzt, welches anhand von Beispielen trainiert wird. Es handelt sich somit um ein online, modellbasiertes, supervised learning System. Dem Spamfilter wird mit vielen Beispiel-E-Mails und den zugeh\u00f6rigen Klassen antrainiert, ob es sich dabei um Spam oder Ham handelt. Das Modell des Spamfilters lernt dadurch, wie neue E-Mails zu klassifizieren sind.<\/p>

Eine weitere typische Aufgabe f\u00fcr Supervised Learning Modelle besteht darin, konkrete Zahlenwerte zu prognostizieren, wie beispielsweise den Preis eines bestimmten Objekts. Diese Prognose kann im Rahmen einer sogenannten Regression durch die Angabe einer Reihe von Eigenschaften erfolgen, welche auch als Predictors bezeichnet werden. Bei einer Prognose f\u00fcr Autopreise k\u00f6nnten also folgende Eigenschaften im Lernmodell ber\u00fccksichtigt werden: Kilometerstand, Alter, Marke, Jahresmodell. Die Quantit\u00e4t und Qualit\u00e4t der Trainingsdaten haben meistens weitaus mehr Einfluss auf die Genauigkeit des Modells als die Auswahl und das Tuning des Algorithmus. Daher werden ausreichend viele Beispiele f\u00fcr die Wunschobjekte (z.B. Autos) mit ihren Predictors und den zugeh\u00f6rigen Labels ben\u00f6tigt, um das System gut trainieren zu k\u00f6nnen.<\/p>

Der Supervised Learning Workflow<\/h5>

Die folgende Grafik beschreibt den Prozess des \u00fcberwachten Lernens in der Praxis.<\/p>

\"Workflow<\/p>

Supervised Learning Workflow<\/p>

Vor Beginn des Prozesses gilt es zun\u00e4chst das Problem zu identifizieren, um mit einem geeigneten L\u00f6sungsansatz fortfahren zu k\u00f6nnen. Anschlie\u00dfend beginnt man mit dem Sammeln des Datensatzes. Dabei wird wom\u00f6glich der Rat eines Experten ben\u00f6tigt. Dieser soll bewerten, welche Parameter den gr\u00f6\u00dften Einfluss auf den Output haben und somit am relevantesten sind. Nicht f\u00fcr alle F\u00e4lle wird es jedoch gelingen einen entsprechenden Experten zu finden, um bei der Analyse der zu importierenden Eigenschaften zu unterst\u00fctzen. In diesem Fall greift man am einfachsten auf die sogenannte Brute Force Methode zur\u00fcck. In diesem Zusammenhang bedeutet es, alle vorhandenen Daten zu analysieren, in der Hoffnung die richtigen und relevanten Eigenschaften isolieren zu k\u00f6nnen. Ein mit dieser Methode erhobener Datensatz muss jedoch gereinigt und vorverarbeitet werden, da er oftmals Rauschen enth\u00e4lt oder Eigenschaftswerte fehlen. Unter Rauschen versteht man extreme Ausrei\u00dfer-Werte, die nicht in dem Bereich der Durchschnittsf\u00e4lle liegen und somit die Ergebnisse des Algorithmus verf\u00e4lschen k\u00f6nnen.<\/p>

Der zweite Schritt ist die Datenaufbereitung und Datenvorverarbeitung. F\u00fcr die Verarbeitung fehlender Daten aus dem Datensatz k\u00f6nnen verschiedene Methoden angewandt werden, wie zum Beispiel die Instance selection. Sie wird verwendet, um mit Rauschen in Daten zu umgehen und der Schwierigkeit zu begegnen aus sehr gro\u00dfen Datens\u00e4tzen zu lernen, indem es dabei unterst\u00fctzt, irrelevante Daten zu entfernen. Die Tatsache, dass viele Eigenschaften voneinander abh\u00e4ngen, beeinflusst oft die Genauigkeit der Supervised Learning Klassifikationsmodelle. Dieses Problem kann durch die Entwicklung neuer Features aus dem Basis-Funktionsumfang behoben werden. Diese Vorgehensweise wird als feature construction \/ transformation bezeichnet. Die neu generierten Eigenschaften k\u00f6nnen zur Erstellung pr\u00e4ziserer und genauerer Classifier f\u00fchren. Als Beispiel kann man sich eine Liste von Personen vorstellen, bei denen es einzelne Personen gibt, die ihr Gewicht nicht angegeben haben. Um diese Personen trotzdem mit einbeziehen zu k\u00f6nnen, kann man z.B. einfach den Durchschnitt aller Gewichte nehmen und es ihnen zuweisen. Dar\u00fcber hinaus tr\u00e4gt die Entdeckung sinnvoller Eigenschaften zu einer besseren Verst\u00e4ndlichkeit des erzeugten Classifiers und einem besseren Verst\u00e4ndnis des erlernten Konzepts bei.<\/p>

Im n\u00e4chsten Schritt erfolgt die Auswahl des ben\u00f6tigten Lernalgorithmus. Dieser Schritt ist der kritischste. Sobald das Modell mit den zuvor erstellten Testdatens\u00e4tzen getestet wurde und das Ergebnis zufriedenstellend ist, ist der Classifier bereit f\u00fcr die abschlie\u00dfende Evaluierung vor dem routinem\u00e4\u00dfigen Einsatz. Die Bewertung kann beispielsweise auf der Vorhersagegenauigkeit basieren, also dem Prozentsatz der korrekten Prognose dividiert durch die Gesamtzahl der Prognosen. Zur Berechnung der Genauigkeit k\u00f6nnen folgende Vorgehensweisen verwendet werden:<\/p>

Eine Herangehensweise ist die Aufteilung des Trainingsdatensatzes, wobei zwei Drittel f\u00fcr das Training genutzt werden. Das andere Drittel wird f\u00fcr das Test-Set verwendet, bei welchem man versucht zu erkennen, wie gut der Algorithmus bei noch nicht bekannten Eingaben abschneidet.<\/p>

Eine weitere bekannte Technik ist die Kreuzvalidierung. Dabei wird der Trainingsdatensatz in sich gegenseitig ausschlie\u00dfende, gleich gro\u00dfe Teilmengen unterteilt und f\u00fcr jede Teilmenge wird der Classifier auf die Gesamtheit aller anderen Teilmengen trainiert. Der Mittelwert der Fehlerrate jeder Teilmenge ist daher eine Sch\u00e4tzung der Fehlerrate des Classifiers.<\/p>

Wird nach der Bewertung des Modells festgestellt, dass die Fehlerquote unbefriedigend ist, muss zur vorherigen Phase des Supervised Learning Workflows zur\u00fcckgekehrt werden. Es gilt dann verschiedene Faktoren zu untersuchen: Werden nicht relevante Eigenschaften f\u00fcr das Problem verwendet? Wird ein gr\u00f6\u00dferer Trainingssatz ben\u00f6tigt? Ist die Dimensionalit\u00e4t des Problems zu hoch (Werden zu viele Attribute verwendet)? Ist der gew\u00e4hlte Algorithmus ungeeignet? Bedarf es einer Anpassung der Parameter? Oder ist vielleicht der Datensatz unausgewogen?<\/p>

Wie l\u00e4sst sich der beschriebene Workflow auf ein reales Problem anwenden?<\/p>

Use Case f\u00fcr Supervised Learning<\/h5>

F\u00fcr diesen Use Case wird das Problem im ersten Schritt definiert als die Prognose eines Projekt Forecasts. Als n\u00e4chstes gilt es mit dem Sammeln des Datensatzes zu beginnen. Dazu werden fr\u00fchere interne Projektprognosen gesammelt, welche im digatus eigenen Projektmanagement-Tool bereits vorhanden sind, da die Projektmanager an dieser Stelle s\u00e4mtliche relevanten Projektinformationen dokumentieren. Dar\u00fcber hinaus m\u00fcssen die notwendigen, f\u00fcr die Prognose relevanten, Eigenschaften extrahiert und der Datensatz vorbereitet werden. F\u00fcr diesen Schritt empfiehlt es sich die erfahrenen Projektmanager hinzuzuziehen, um zu erfahren, welche die wichtigsten Attribute des Datensatzes sind, um diese an das Trainingsmodell weiterzugeben (z.B. Anzahl der Mitarbeiter, Stundens\u00e4tze, Feiertage, Urlaubsmuster der Mitarbeiter aus den Vorjahren, etc.). Darauf folgt ein besonders kritischer Schritt, n\u00e4mlich die Auswahl des Machine Learning Modells. Es stehen mehrere Modelle zur Verf\u00fcgung, aus denen man w\u00e4hlen kann. Einige Beispiele f\u00fcr die am weitesten verbreiteten Modelle im Supervised Learning:<\/p>

1) Support Vector Machines
2) Linear regression
3) Logistic regression
4) naive Bayes
5) decision trees
6) Random Forest
7) k-nearest neighbour algorithm
8) Neural Networks (Multilayer perceptron)<\/p>

F\u00fcr diesen Use Case wird der Random Forest Ansatz gew\u00e4hlt. Es handelt sich dabei um eine Zusammensetzung von Entscheidungsb\u00e4umen, welches sowohl Regressions- als auch Klassifizierungsprobleme mit gro\u00dfen Datens\u00e4tzen l\u00f6sen kann. Es hilft auch dabei, die wichtigsten Variablen aus Tausenden von Eingangsvariablen zu identifizieren. Random Forest ist hochgradig skalierbar f\u00fcr eine beliebige Anzahl von Dimensionen und erbringt durchaus akzeptable Leistungen. Schlie\u00dflich gibt es noch genetic algorithms, die sich ausgesprochen gut in jede Dimension und alle Daten mit minimaler Kenntnis der Daten selbst skalieren lassen, wobei die minimalste und einfachste Implementierung der microbial genetic algorithm ist. Mit Random Forest kann das Lernen jedoch langsam sein (abh\u00e4ngig von der Parametrisierung) und es ist nicht m\u00f6glich, die generierten Modelle iterativ zu verbessern.<\/p>

Nun ist es an der Zeit, den Datensatz auf das ausgew\u00e4hlte Modell zu trainieren. Im Anschluss an das Training folgt die Testphase. Anhand des Testergebnisses l\u00e4sst sich feststellen, ob das Ergebnis akzeptabel ist oder die Parameter weiter angepasst werden m\u00fcssen, um eine bessere Genauigkeit und ein besseres Ergebnis zu erzielen. Eventuell muss auch ein anderes Machine Learning Modell ausgew\u00e4hlt werden.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\"Bild\n\t\t\t\t<\/div>\n\t\t\t\n\t\t\t
\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t

\n\t\t\t\t\t\t\tSimon Brunner\t\t\t\t\t\t<\/h1>\n\t\t\t\t\t<\/div>\n\t\t\t\t\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t

Als Fullstack Entwickler und Teamleiter liegt sein Schwerpunkt auf der DevOps-Philosophie und der Implementierung von CI\/CD-Pipelines. Er nutzt Technologien wie C# und Terraform, um automatisierte und skalierbare Infrastruktur zu schaffen. Mit ArgoCD sorgt er f\u00fcr eine effiziente und zuverl\u00e4ssige Bereitstellung von Anwendungen. In seiner Rolle als Softwarearchitekt plant und gestaltet er robuste und flexible Softwarel\u00f6sungen, die den Anforderungen der Kunden gerecht werden und die Effizienz des Entwicklungsteams steigern. Durch die Anwendung agiler Methoden wie SCRUM und Kanban stellt er sicher, dass Projekte termingerecht und in hoher Qualit\u00e4t abgeschlossen werden.<\/p>\n\t\t\t\t\t<\/div>\n\t\t\t\t\n\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\tSimon auf LinkedIn\t\t\t\t\t<\/a>\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

Als einer der vier Ans\u00e4tze des Machine Learning wird Supervised Learning eingesetzt, um anhand von Beispieldaten zun\u00e4chst ein Modell zu erstellen und daraufhin selbst\u00e4ndig die Zuordnung neuer Daten zu \u00fcbernehmen. Das \u00fcberwachte Lernen eignet sich zum Beispiel gut f\u00fcr die Datenanalyse oder das Erkennen von Beziehungen zwischen mehreren Eigenschaften. Dadurch k\u00f6nnen m\u00f6gliche Fehler reduziert und die Effizienz von Systemen und Maschinenkonzepten verbessert werden. Wie das im Detail aussieht, zeigen der Workflow und unser anschaulicher Use Case.<\/p>\n","protected":false},"author":2,"featured_media":1191,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[95],"tags":[104,75],"class_list":["post-1189","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artikel","tag-kuenstliche-intelligenz","tag-softwareentwicklung"],"yoast_head":"\nSupervised Learning<\/title>\n<meta name=\"description\" content=\"Einf\u00fchrung in das Supervised Learning, einer von vier Machine Learning Ans\u00e4tzen, anhand des Workflows und eines praktischen Use Cases.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/digatus.com\/de\/supervised-learning\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Supervised Learning: Workflow und praktischer Use Case\" \/>\n<meta property=\"og:description\" content=\"Tiefere Einblicke in diesen Ansatz des Machine Learnings anhand praxisbezogener Beispiele\" \/>\n<meta property=\"og:url\" content=\"https:\/\/digatus.com\/de\/supervised-learning\/\" \/>\n<meta property=\"og:site_name\" content=\"digatus\" \/>\n<meta property=\"article:published_time\" content=\"2019-07-18T09:25:20+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-11-27T10:47:47+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/digatus.com\/wp-content\/uploads\/2019\/07\/supervised-learning-workflow.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"957\" \/>\n\t<meta property=\"og:image:height\" content=\"502\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Annabell Renner\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:title\" content=\"Supervised Learning: Workflow und praktischer Use Case\" \/>\n<meta name=\"twitter:description\" content=\"Tiefere Einblicke in diesen Ansatz des Machine Learnings anhand praxisbezogener Beispiele\" \/>\n<meta name=\"twitter:image\" content=\"https:\/\/digatus.com\/wp-content\/uploads\/2019\/07\/supervised-learning-workflow.jpg\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Annabell Renner\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"8\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/supervised-learning\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/supervised-learning\\\/\"},\"author\":{\"name\":\"Annabell Renner\",\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/#\\\/schema\\\/person\\\/4902929f286856c9caf9575e10acd69e\"},\"headline\":\"Supervised Learning\",\"datePublished\":\"2019-07-18T09:25:20+00:00\",\"dateModified\":\"2025-11-27T10:47:47+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/supervised-learning\\\/\"},\"wordCount\":1333,\"publisher\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/supervised-learning\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/digatus.com\\\/wp-content\\\/uploads\\\/2021\\\/11\\\/digatus-supervised-learning.jpg\",\"keywords\":[\"K\u00fcnstliche Intelligenz\",\"Softwareentwicklung\"],\"articleSection\":[\"Artikel\"],\"inLanguage\":\"de\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/supervised-learning\\\/\",\"url\":\"https:\\\/\\\/digatus.com\\\/de\\\/supervised-learning\\\/\",\"name\":\"Supervised Learning\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/supervised-learning\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/supervised-learning\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/digatus.com\\\/wp-content\\\/uploads\\\/2021\\\/11\\\/digatus-supervised-learning.jpg\",\"datePublished\":\"2019-07-18T09:25:20+00:00\",\"dateModified\":\"2025-11-27T10:47:47+00:00\",\"description\":\"Einf\u00fchrung in das Supervised Learning, einer von vier Machine Learning Ans\u00e4tzen, anhand des Workflows und eines praktischen Use Cases.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/supervised-learning\\\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/digatus.com\\\/de\\\/supervised-learning\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/supervised-learning\\\/#primaryimage\",\"url\":\"https:\\\/\\\/digatus.com\\\/wp-content\\\/uploads\\\/2021\\\/11\\\/digatus-supervised-learning.jpg\",\"contentUrl\":\"https:\\\/\\\/digatus.com\\\/wp-content\\\/uploads\\\/2021\\\/11\\\/digatus-supervised-learning.jpg\",\"width\":2000,\"height\":600,\"caption\":\"digatus Supervised Learning\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/supervised-learning\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Startseite\",\"item\":\"https:\\\/\\\/digatus.com\\\/de\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Supervised Learning\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/#website\",\"url\":\"https:\\\/\\\/digatus.com\\\/de\\\/\",\"name\":\"digatus\",\"description\":\"Transforming IT, Empowering Business.\",\"publisher\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/digatus.com\\\/de\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/#organization\",\"name\":\"digatus\",\"url\":\"https:\\\/\\\/digatus.com\\\/de\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/digatus.com\\\/wp-content\\\/uploads\\\/2025\\\/01\\\/Logo_digatus_green_web_rgb.png\",\"contentUrl\":\"https:\\\/\\\/digatus.com\\\/wp-content\\\/uploads\\\/2025\\\/01\\\/Logo_digatus_green_web_rgb.png\",\"width\":1200,\"height\":312,\"caption\":\"digatus\"},\"image\":{\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/#\\\/schema\\\/logo\\\/image\\\/\"}},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/digatus.com\\\/de\\\/#\\\/schema\\\/person\\\/4902929f286856c9caf9575e10acd69e\",\"name\":\"Annabell Renner\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/f260d8c39a817b4f01ed758cefc9933458252cc43e8c4c292328cc6009d4fea2?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/f260d8c39a817b4f01ed758cefc9933458252cc43e8c4c292328cc6009d4fea2?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/f260d8c39a817b4f01ed758cefc9933458252cc43e8c4c292328cc6009d4fea2?s=96&d=mm&r=g\",\"caption\":\"Annabell Renner\"},\"url\":\"https:\\\/\\\/digatus.com\\\/de\\\/author\\\/annabell\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Supervised Learning","description":"Einf\u00fchrung in das Supervised Learning, einer von vier Machine Learning Ans\u00e4tzen, anhand des Workflows und eines praktischen Use Cases.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/digatus.com\/de\/supervised-learning\/","og_locale":"de_DE","og_type":"article","og_title":"Supervised Learning: Workflow und praktischer Use Case","og_description":"Tiefere Einblicke in diesen Ansatz des Machine Learnings anhand praxisbezogener Beispiele","og_url":"https:\/\/digatus.com\/de\/supervised-learning\/","og_site_name":"digatus","article_published_time":"2019-07-18T09:25:20+00:00","article_modified_time":"2025-11-27T10:47:47+00:00","og_image":[{"width":957,"height":502,"url":"https:\/\/digatus.com\/wp-content\/uploads\/2019\/07\/supervised-learning-workflow.jpg","type":"image\/jpeg"}],"author":"Annabell Renner","twitter_card":"summary_large_image","twitter_title":"Supervised Learning: Workflow und praktischer Use Case","twitter_description":"Tiefere Einblicke in diesen Ansatz des Machine Learnings anhand praxisbezogener Beispiele","twitter_image":"https:\/\/digatus.com\/wp-content\/uploads\/2019\/07\/supervised-learning-workflow.jpg","twitter_misc":{"Verfasst von":"Annabell Renner","Gesch\u00e4tzte Lesezeit":"8\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/digatus.com\/de\/supervised-learning\/#article","isPartOf":{"@id":"https:\/\/digatus.com\/de\/supervised-learning\/"},"author":{"name":"Annabell Renner","@id":"https:\/\/digatus.com\/de\/#\/schema\/person\/4902929f286856c9caf9575e10acd69e"},"headline":"Supervised Learning","datePublished":"2019-07-18T09:25:20+00:00","dateModified":"2025-11-27T10:47:47+00:00","mainEntityOfPage":{"@id":"https:\/\/digatus.com\/de\/supervised-learning\/"},"wordCount":1333,"publisher":{"@id":"https:\/\/digatus.com\/de\/#organization"},"image":{"@id":"https:\/\/digatus.com\/de\/supervised-learning\/#primaryimage"},"thumbnailUrl":"https:\/\/digatus.com\/wp-content\/uploads\/2021\/11\/digatus-supervised-learning.jpg","keywords":["K\u00fcnstliche Intelligenz","Softwareentwicklung"],"articleSection":["Artikel"],"inLanguage":"de"},{"@type":"WebPage","@id":"https:\/\/digatus.com\/de\/supervised-learning\/","url":"https:\/\/digatus.com\/de\/supervised-learning\/","name":"Supervised Learning","isPartOf":{"@id":"https:\/\/digatus.com\/de\/#website"},"primaryImageOfPage":{"@id":"https:\/\/digatus.com\/de\/supervised-learning\/#primaryimage"},"image":{"@id":"https:\/\/digatus.com\/de\/supervised-learning\/#primaryimage"},"thumbnailUrl":"https:\/\/digatus.com\/wp-content\/uploads\/2021\/11\/digatus-supervised-learning.jpg","datePublished":"2019-07-18T09:25:20+00:00","dateModified":"2025-11-27T10:47:47+00:00","description":"Einf\u00fchrung in das Supervised Learning, einer von vier Machine Learning Ans\u00e4tzen, anhand des Workflows und eines praktischen Use Cases.","breadcrumb":{"@id":"https:\/\/digatus.com\/de\/supervised-learning\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/digatus.com\/de\/supervised-learning\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/digatus.com\/de\/supervised-learning\/#primaryimage","url":"https:\/\/digatus.com\/wp-content\/uploads\/2021\/11\/digatus-supervised-learning.jpg","contentUrl":"https:\/\/digatus.com\/wp-content\/uploads\/2021\/11\/digatus-supervised-learning.jpg","width":2000,"height":600,"caption":"digatus Supervised Learning"},{"@type":"BreadcrumbList","@id":"https:\/\/digatus.com\/de\/supervised-learning\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Startseite","item":"https:\/\/digatus.com\/de\/"},{"@type":"ListItem","position":2,"name":"Supervised Learning"}]},{"@type":"WebSite","@id":"https:\/\/digatus.com\/de\/#website","url":"https:\/\/digatus.com\/de\/","name":"digatus","description":"Transforming IT, Empowering Business.","publisher":{"@id":"https:\/\/digatus.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/digatus.com\/de\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/digatus.com\/de\/#organization","name":"digatus","url":"https:\/\/digatus.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/digatus.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/digatus.com\/wp-content\/uploads\/2025\/01\/Logo_digatus_green_web_rgb.png","contentUrl":"https:\/\/digatus.com\/wp-content\/uploads\/2025\/01\/Logo_digatus_green_web_rgb.png","width":1200,"height":312,"caption":"digatus"},"image":{"@id":"https:\/\/digatus.com\/de\/#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/digatus.com\/de\/#\/schema\/person\/4902929f286856c9caf9575e10acd69e","name":"Annabell Renner","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/secure.gravatar.com\/avatar\/f260d8c39a817b4f01ed758cefc9933458252cc43e8c4c292328cc6009d4fea2?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/f260d8c39a817b4f01ed758cefc9933458252cc43e8c4c292328cc6009d4fea2?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/f260d8c39a817b4f01ed758cefc9933458252cc43e8c4c292328cc6009d4fea2?s=96&d=mm&r=g","caption":"Annabell Renner"},"url":"https:\/\/digatus.com\/de\/author\/annabell\/"}]}},"_links":{"self":[{"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/posts\/1189","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/comments?post=1189"}],"version-history":[{"count":1,"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/posts\/1189\/revisions"}],"predecessor-version":[{"id":29311,"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/posts\/1189\/revisions\/29311"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/media\/1191"}],"wp:attachment":[{"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/media?parent=1189"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/categories?post=1189"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/digatus.com\/de\/wp-json\/wp\/v2\/tags?post=1189"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}