K najbližih susjeda (k-NN) jednostavna je metoda nadziranog učenja. Za klasifikaciju nove podatkovne točke traži k najsličnijih poznatih primjera i preuzima njihovu najčešću klasu ili, za numeričke vrijednosti, njihov prosjek. Ne treba pravu fazu treniranja, ali postaje spora s velikim skupovima podataka i osjetljiva je na način skaliranja obilježja. Primjer: preporuke proizvoda na temelju sličnih klijenata.
Agenti, tijekovi rada i predlošci u jednom radnom prostoru – besplatna demo verzija na 24 sata.
Pokrenite demoKlasifikator je model ili metoda koja unose razvrstava u jednu od nekoliko unaprijed definiranih kategorija. Klasične varijante poput stabala odlučivanja ili naivnog Bayesa treniraju se na označenim primjerima; jezični modeli mogu razvrstavati tekstove i na temelju opisa kategorija. Tipične primjene uključuju prepoznavanje spama, razvrstavanje upita klijenata po temama i kategoriziranje računa. Kvaliteta se mjeri metrikama poput točnosti, preciznosti i odziva.
K-means je metoda nenadziranog učenja koja podatkovne točke dijeli u unaprijed zadan broj k skupina. Svaku točku dodjeljuje najbližem središtu skupine i neprestano pomiče ta središta dok se dodjele jedva mijenjaju. Metoda je brza i lako razumljiva, ali zahtijeva razuman odabir k i obilježja na usporedivim ljestvicama. Primjer: grupiranje klijenata prema učestalosti kupnje i vrijednosti košarice.
Kod nadziranog učenja model uči iz primjera za koje je točan odgovor već poznat, primjerice e-poruka označenih kao „neželjena pošta“ ili „nije neželjena pošta“. Iz njih izvodi pravila za klasifikaciju novih, nevidljivih slučajeva ili za predviđanje vrijednosti. Tipični zadaci su klasifikacija i regresija; najveći dio truda odlazi na izradu čisto označenih podataka.
Vektor ugrađivanja (embedding) popis je brojeva koji predstavlja značenje riječi, rečenice ili dokumenta tako da tekstovi sličnog sadržaja leže blizu jedni drugima. To omogućuje, primjerice, prepoznavanje da su „otkaz” i „prekid ugovora” povezani iako nemaju zajedničkih riječi. Embeddingi su temelj mnogih sustava semantičke pretrage, usluga preporuka i RAG aplikacija; izračunavaju ih posebno trenirani modeli.
