K lähimat naabrit (k-nearest neighbours, k-NN) on lihtne juhendatud õppe meetod. Uue andmepunkti klassifitseerimiseks otsib see k kõige sarnasemat teadaolevat näidet ning võtab nende kõige sagedasema klassi või arvuliste väärtuste puhul nende keskmise. See ei vaja päris treeningfaasi, kuid muutub suurte andmehulkade puhul aeglaseks ja on tundlik tunnuste skaleerimise suhtes. Näide: tootesoovitused sarnaste klientide põhjal.
Klassifikaator on mudel või meetod, mis määrab sisendid ühte mitmest etteantud kategooriast. Klassikalisi variante, nagu otsustuspuud või naiivne Bayes, treenitakse märgendatud näidetega; keelemudelid saavad tekste sorteerida ka kategooriate kirjelduse põhjal. Tüüpilised kasutusalad on rämpsposti tuvastamine, klienditaotluste sorteerimine teemade kaupa ja kviitungite kategoriseerimine. Kvaliteeti mõõdetakse selliste mõõdikutega nagu täpsus (accuracy), täpsus (precision) ja saagis (recall).
K-keskmiste meetod (k-means) on juhendamata õppe meetod, mis jagab andmepunktid ettemääratud arvuks k rühmaks. See määrab iga punkti lähimasse rühma keskpunkti ja liigutab neid keskpunkte seni, kuni jaotused peaaegu enam ei muutu. Meetod on kiire ja lihtsasti mõistetav, kuid nõuab k mõistlikku valikut ja võrreldavas skaalas tunnuseid. Näide: klientide rühmitamine ostusageduse ja ostukorvi väärtuse järgi.
Juhendatud õppes õpib mudel näidetest, mille õige vastus on juba teada, näiteks e-kirjadest, mis on märgitud „rämpspost“ või „mitte rämpspost“. Nende põhjal tuletab ta reeglid uute, nägemata juhtumite klassifitseerimiseks või väärtuste ennustamiseks. Tüüpilised ülesanded on klassifitseerimine ja regressioon; suurem osa vaevast läheb puhtalt märgendatud andmete loomisele.
Sisendivektor (embedding) on arvude loend, mis esitab sõna, lause või dokumendi tähendust nii, et sarnase sisuga tekstid asuvad üksteise lähedal. See võimaldab näiteks tuvastada, et „ülesütlemine“ ja „lepingu lõpetamine“ on omavahel seotud, kuigi neil pole ühtegi ühist sõna. Sisendivektorid on paljude semantiliste otsingusüsteemide, soovitusteenuste ja RAG-rakenduste aluseks; neid arvutavad spetsiaalselt treenitud mudelid.
