Naive Bayes je rodina jednoduchých klasifikačných metód založených na Bayesovej vete. Nazývajú sa „naivné“, pretože predpokladajú, že všetky príznaky sú navzájom nezávislé, čo sa v praxi len zriedka naplní, no výsledky bývajú napriek tomu dobré. Metódy sú rýchle, potrebujú málo trénovacích dát a sú obzvlášť vhodné na texty. Klasickým príkladom je spamový filter, ktorý triedi e-maily podľa typických slov.
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoKlasifikátor je model alebo metóda, ktorá priraďuje vstupy do jednej z viacerých vopred určených kategórií. Klasické varianty, ako sú rozhodovacie stromy alebo naivný Bayes, sa trénujú na označených príkladoch; jazykové modely dokážu texty triediť aj na základe opisu kategórií. Typické použitie zahŕňa detekciu spamu, triedenie dopytov zákazníkov podľa tém a kategorizáciu dokladov. Kvalita sa meria metrikami, ako sú správnosť, presnosť a úplnosť.
Klasifikácia textu automaticky priraďuje texty k vopred definovaným kategóriám, napríklad e-maily podľa typu požiadavky, recenzie podľa sentimentu alebo dokumenty podľa témy. Predtým to vyžadovalo trénovanie vlastných modelov na označených príkladoch; dnes veľké jazykové modely často dokážu priradiť kategórie už len na základe popisu. Umožňuje to predtriediť dopyty a rýchlejšie ich smerovať správnemu tímu.
Logistická regresia je štatistická metóda, ktorá predpovedá pravdepodobnosť jedného z dvoch výsledkov, ako je „kúpi“ alebo „nekúpi“. Váhuje vstupné znaky a ich súčet pomocou funkcie v tvare písmena S prevedie na hodnotu medzi 0 a 1. Keďže váhy sa dajú ľahko interpretovať, široko sa používa v kreditnom skóringu, medicíne a marketingu, často ako solídny základ pre zložitejšie modely.
Bayesovské siete sú grafické modely, ktoré znázorňujú premenné ako uzly a ich pravdepodobnostné závislosti ako orientované šípky. Pomocou Bayesovej vety ukazujú, ako nové pozorovania menia pravdepodobnosť iných udalostí. Príkladom je podpora diagnostiky: odhad najpravdepodobnejšej príčiny z pozorovaných príznakov. Ich silnými stránkami sú transparentnosť a schopnosť pracovať s neistými alebo neúplnými údajmi.
