Diskriminativní modely se učí rozlišovat datové body tak, že přímo určují hranici mezi třídami – odpovídají na otázku „Do které kategorie tento vstup patří?“. Příkladem jsou logistická regrese, metoda podpůrných vektorů a mnoho neuronových klasifikátorů, například pro rozpoznávání spamu. Generativní modely naproti tomu zachycují, jak samotná data vznikají, a mohou proto vytvářet nové příklady.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoGenerativní AI označuje systémy AI, které vytvářejí nový obsah – text, obrázky, zvuk, video nebo programový kód – místo aby jen třídily či hodnotily existující data. Vycházejí z modelů, které se z velkého množství dat učí vzorce a používají je k tvorbě věrohodných nových výstupů. V podnikání se využívá například k přípravě návrhů e-mailů, shrnutí, popisů produktů nebo nápadů na obrázky. Výsledky mohou obsahovat chyby a před použitím by se měly zkontrolovat.
Logistická regrese je statistická metoda, která předpovídá pravděpodobnost jednoho ze dvou výsledků, například „koupí“ nebo „nekoupí“. Váží vstupní rysy a jejich součet převede na hodnotu mezi 0 a 1 pomocí funkce ve tvaru S. Protože jsou váhy snadno interpretovatelné, široce se používá v úvěrovém scoringu, medicíně a marketingu, často jako solidní základní úroveň pro složitější modely.
Klasifikátor je model nebo metoda, která přiřazuje vstupy do jedné z několika předem definovaných kategorií. Klasické varianty, například rozhodovací stromy nebo naivní Bayes, se trénují na označených příkladech; jazykové modely mohou texty třídit také na základě popisu kategorií. Typickým využitím je rozpoznávání spamu, třídění zákaznických dotazů podle témat a kategorizace účtenek. Kvalita se měří metrikami, jako jsou správnost, přesnost a úplnost.
Naivní Bayes je skupina jednoduchých klasifikačních metod založených na Bayesově větě. Říká se jim „naivní“, protože předpokládají, že všechny příznaky jsou navzájem nezávislé, což v praxi platí jen zřídka, a přesto často dávají dobré výsledky. Metody jsou rychlé, potřebují málo trénovacích dat a jsou zvlášť vhodné pro text. Klasickým příkladem je spamový filtr, který třídí e-maily podle typických slov.
