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.
Agenti, tijekovi rada i predlošci u jednom radnom prostoru – besplatna demo verzija na 24 sata.
Pokrenite demoKod nenadziranog učenja model prima podatke bez unaprijed zadanih točnih odgovora i sam traži strukture. Tipične metode su klasteriranje, koje grupira slične zapise, i smanjenje dimenzionalnosti, koje mnogo značajki sažima u nekoliko bitnih. Organizacije ga koriste za otkrivanje segmenata klijenata ili uočavanje neobičnih transakcija; pronađene skupine zatim moraju protumačiti stručnjaci za to područje.
Polunadzirano učenje kombinira malu količinu označenih podataka s velikom količinom neoznačenih. Model najprije uči iz nekoliko primjera s poznatim odgovorima, a zatim koristi uzorke u preostalim podacima da se poboljša – primjerice preuzimanjem pouzdanih predviđanja kao dodatnih primjera za učenje. To se isplati kada je označivanje skupo, kao kod medicinskih snimaka ili tisuća zahtjeva za podršku.
Klasifikator 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.
Podaci za učenje su primjeri iz kojih UI model uči uzorke: velike zbirke tekstova za jezične modele, označene slike za modele slika. Njihova kvaliteta, raznolikost i aktualnost uvelike određuju koliko će model biti pouzdan i pošten te koliko će njegovo znanje biti ažurno. Organizacijama je važno i koristi li pružatelj podatke klijenata koje unesu za daljnje treniranje.
