Etiket, bir veri örneğinin yanına yazılan ve modelin öğrenmesi beklenen doğru cevaptır. Gözetimli öğrenmenin çalışma mantığı buna dayanıyor. Model girdiyi görüyor, bir tahmin üretiyor, tahminini etiketle karşılaştırıyor ve aradaki farkı azaltacak şekilde kendini düzeltiyor.
Etiketin biçimi göreve göre değişiyor. Sınıflandırmada bir kategori adı oluyor, mesela bir e-postanın spam olup olmadığı. Regresyonda sayısal bir değer, mesela bir dairenin satış fiyatı. Nesne tespitinde görüntüdeki sınırlayıcı kutu ve içindeki nesnenin adı. Duygu analizinde metnin taşıdığı tutum. Sıralama görevlerinde ise etiket, iki seçenekten hangisinin tercih edildiği olabiliyor.
Etiketleri üretmek genelde işin en pahalı kısmı. Uzmanlık gerektiren alanlarda tıp doktoru, hukukçu ya da alan uzmanı çalıştırmak gerekiyor. Bu yüzden az sayıda etiketle çalışan yöntemler ve mevcut verilerden etiket türeten yaklaşımlar yaygınlaştı.
Somut bir örnek: bir bankada dolandırıcılık tespiti için model kuruluyor. Etiket, işlemin sonradan itiraz edilip edilmediği bilgisinden geliyor. Bu etiket gecikmeli oluşuyor, çünkü itiraz bazen iki ay sonra kaydediliyor. Model eğitilirken bu gecikme hesaba katılmazsa, canlıda henüz bilinmeyen bir bilgiyle eğitilmiş olunuyor.
Etiket hatalı olduğunda model hatayı öğreniyor. Yanlış etiketlenmiş bir kümede yüksek doğruluk, yanlışı iyi taklit etmekten başka bir şey ifade etmiyor.