K най-близките съседи (k-nearest neighbours, k-NN) е прост метод за обучение с надзор. За да класифицира нова точка от данни, той търси k-те най-сходни известни примера и възприема най-често срещания им клас или, при числови стойности, средната им стойност. Не изисква същинска фаза на обучение, но става бавен при големи масиви от данни и е чувствителен към мащабирането на признаците. Пример: препоръки за продукти въз основа на сходни клиенти.
Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.
Стартирайте демотоКласификаторът е модел или метод, който отнася входните данни към една от няколко предварително определени категории. Класическите варианти като дърветата на решенията или наивния Байес се обучават върху анотирани примери; езиковите модели могат да сортират текстове и въз основа на описание на категориите. Типични приложения са откриването на спам, сортирането на запитвания на клиенти по теми и категоризирането на разписки. Качеството се измерва с метрики като точност, прецизност и обхват.
K-means е метод за обучение без надзор, който разделя точките от данни на предварително зададен брой k групи. Той отнася всяка точка към най-близкия център на група и продължава да премества тези центрове, докато отнасянията почти не се променят. Методът е бърз и лесен за разбиране, но изисква разумен избор на k и признаци в съпоставими мащаби. Пример: групиране на клиенти по честота на покупките и стойност на кошницата.
При контролираното обучение моделът се учи от примери, за които правилният отговор вече е известен, като имейли с етикет „спам“ или „не е спам“. От тях той извежда правила, с които да класифицира нови, невиждани случаи или да предвижда стойности. Типични задачи са класификацията и регресията; най-големите усилия отиват за създаването на коректно етикетирани данни.
Векторът на влагане (embedding) е списък от числа, който представя значението на дума, изречение или документ така, че текстовете със сходно съдържание да са разположени близо един до друг. Това дава възможност да се разпознае например, че „отмяна“ и „прекратяване на договор“ са свързани, въпреки че нямат общи думи. Влаганията са в основата на много системи за семантично търсене, услуги за препоръки и RAG приложения; изчисляват се от специално обучени модели.
