K-nærmeste naboer (k-NN) er en simpel metode til overvåget læring. For at klassificere et nyt datapunkt leder den efter de k mest ensartede kendte eksempler og overtager deres hyppigste klasse eller, for numeriske værdier, deres gennemsnit. Den kræver ingen egentlig træningsfase, men bliver langsom med store datasæt og er følsom over for, hvordan features skaleres. Eksempel: Produktanbefalinger baseret på lignende kunder.
En klassifikator er en model eller metode, der tildeler input til én af flere foruddefinerede kategorier. Klassiske varianter som beslutningstræer eller naive Bayes trænes på mærkede eksempler; sprogmodeller kan også sortere tekster ud fra en beskrivelse af kategorierne. Typiske anvendelser er spamgenkendelse, sortering af kundehenvendelser efter emne og kategorisering af bilag. Kvaliteten måles med nøgletal som nøjagtighed, præcision og recall.
K-means er en metode til uovervåget læring, der opdeler datapunkter i et forud fastlagt antal k grupper. Den tildeler hvert punkt til det nærmeste gruppecentrum og bliver ved med at flytte disse centre, til tildelingerne næsten ikke ændrer sig. Metoden er hurtig og let at forstå, men kræver et fornuftigt valg af k og features på sammenlignelige skalaer. Eksempel: Gruppering af kunder efter købsfrekvens og kurvværdi.
Ved supervised learning lærer en model af eksempler, hvor det rigtige svar allerede er kendt, f.eks. e-mails mærket »spam« eller »ikke spam«. Ud fra dem udleder den regler til at klassificere nye, usete tilfælde eller forudsige værdier. Typiske opgaver er klassifikation og regression; det meste af indsatsen går med at skabe rent mærkede data.
En embeddingvektor (embedding) er en liste af tal, der repræsenterer betydningen af et ord, en sætning eller et dokument, så tekster med lignende indhold ligger tæt på hinanden. Det gør det muligt at genkende, at f.eks. 'opsigelse' og 'ophør af kontrakten' hænger sammen, selv om de ikke deler ord. Embeddings ligger til grund for mange semantiske søgesystemer, anbefalingstjenester og RAG-applikationer; de beregnes af specialtrænede modeller.
