K nejbližších sousedů (k-NN) je jednoduchá metoda učení s učitelem. Aby zařadila nový datový bod, vyhledá k nejpodobnějších známých příkladů a převezme jejich nejčastější třídu nebo, u číselných hodnot, jejich průměr. Nepotřebuje skutečnou fázi trénování, ale u velkých datových souborů je pomalá a citlivá na způsob škálování rysů. Příklad: doporučování produktů na základě podobných zákazníků.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoKlasifikátor 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.
K-means je metoda učení bez učitele, která rozděluje datové body do předem určeného počtu k skupin. Každý bod přiřadí k nejbližšímu středu skupiny a tyto středy posouvá, dokud se přiřazení téměř nemění. Metoda je rychlá a snadno pochopitelná, ale vyžaduje rozumnou volbu k a rysy ve srovnatelných měřítcích. Příklad: seskupení zákazníků podle četnosti nákupů a hodnoty košíku.
Při řízeném učení se model učí z příkladů, u nichž je správná odpověď již známa, například z e-mailů označených jako „spam“ nebo „není spam“. Z nich odvozuje pravidla pro klasifikaci nových, dosud neviděných případů nebo pro předpovídání hodnot. Typickými úlohami jsou klasifikace a regrese; většina práce spočívá ve vytvoření čistě označených dat.
Vektor vnoření (embedding) je seznam čísel, který vyjadřuje význam slova, věty nebo dokumentu tak, že texty s podobným obsahem leží blízko sebe. Díky tomu lze rozpoznat například to, že „výpověď“ a „ukončení smlouvy“ spolu souvisejí, přestože nemají společná slova. Embeddingy jsou základem mnoha systémů sémantického vyhledávání, doporučovacích služeb a aplikací RAG; počítají je speciálně natrénované modely.
