A diszkriminatív modellek úgy tanulják meg az adatpontok megkülönböztetését, hogy közvetlenül az osztályok közötti határt határozzák meg – arra a kérdésre felelnek: „Melyik kategóriába tartozik ez a bemenet?”. Ilyen például a logisztikus regresszió, a tartóvektorgép és sok neurális osztályozó, például a spamszűréshez. A generatív modellek ezzel szemben azt ragadják meg, hogyan jönnek létre maguk az adatok, ezért új példákat is képesek előállítani.
Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.
Demó indításaA generatív MI olyan MI-rendszereket jelent, amelyek új tartalmat – szöveget, képet, hangot, videót vagy programkódot – hoznak létre, ahelyett hogy csupán meglévő adatokat rendeznének vagy értékelnének. Olyan modelleken alapulnak, amelyek nagy adatmennyiségből tanulnak meg mintázatokat, és ezek segítségével hihető új kimeneteket állítanak elő. Az üzleti életben például e-mailek, összefoglalók, termékleírások vagy képötletek megfogalmazására használják. Az eredmények hibákat tartalmazhatnak, ezért felhasználás előtt ellenőrizni kell őket.
A logisztikus regresszió olyan statisztikai módszer, amely két kimenetel egyikének valószínűségét jósolja meg, például „vásárol” vagy „nem vásárol”. Súlyozza a bemeneti jellemzőket, és összegüket egy S alakú függvénnyel 0 és 1 közötti értékké alakítja. Mivel a súlyok könnyen értelmezhetők, széles körben használják hitelminősítésben, orvostudományban és marketingben, gyakran bonyolultabb modellek szilárd alapmérceként.
Az osztályozó olyan modell vagy módszer, amely a bemeneteket több előre meghatározott kategória egyikébe sorolja. A klasszikus változatokat, például a döntési fákat vagy a naiv Bayes-t címkézett példákon tanítják; a nyelvi modellek a kategóriák leírása alapján is képesek szövegeket rendezni. Tipikus felhasználás a spamfelismerés, az ügyfélmegkeresések téma szerinti rendezése és a bizonylatok kategorizálása. A minőséget olyan mérőszámokkal mérik, mint a helyesség, a pontosság és a fedés.
A Naiv Bayes egyszerű osztályozási módszerek családja, amely a Bayes-tételen alapul. „Naivnak” azért nevezik, mert feltételezi, hogy minden jellemző független egymástól – ez a gyakorlatban ritkán igaz, mégis gyakran jó eredményt ad. A módszerek gyorsak, kevés tanítóadatot igényelnek, és különösen jól illeszkednek a szövegekhez. Klasszikus példa a spamszűrő, amely jellegzetes szavak alapján válogatja az e-maileket.
