K najbližjih sosedov (k-nearest neighbours, k-NN) je preprosta metoda nadzorovanega učenja. Za razvrstitev nove podatkovne točke poišče k najbolj podobnih znanih primerov in prevzame njihov najpogostejši razred ali pri številskih vrednostih njihovo povprečje. Prave faze učenja ne potrebuje, a pri velikih podatkovnih zbirkah postane počasna in je občutljiva na merilo značilnosti. Primer: priporočila izdelkov na podlagi podobnih strank.
Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.
Začni predstavitevKlasifikator je model ali metoda, ki vnose uvrsti v eno od več vnaprej določenih kategorij. Klasične različice, kot so odločitvena drevesa ali naivni Bayes, se učijo na označenih primerih; jezikovni modeli lahko besedila razvrščajo tudi na podlagi opisa kategorij. Tipična uporaba so prepoznavanje neželene pošte, razvrščanje povpraševanj strank po temah in razvrščanje računov. Kakovost se meri z merili, kot so točnost, natančnost in priklic.
K-voditelji (k-means) so metoda nenadzorovanega učenja, ki podatkovne točke razdeli v vnaprej določeno število k skupin. Vsako točko dodeli najbližjemu središču skupine in ta središča premika, dokler se dodelitve skoraj ne spreminjajo več. Metoda je hitra in lahko razumljiva, zahteva pa smiselno izbiro k in značilnosti na primerljivih merilih. Primer: razvrščanje strank po pogostosti nakupov in vrednosti košarice.
Pri nadzorovanem učenju se model uči iz primerov, za katere je pravilen odgovor že znan, na primer e-pošte, označene kot „neželena“ ali „ni neželena“. Iz njih izpelje pravila za razvrščanje novih, še nevidenih primerov ali napovedovanje vrednosti. Tipični nalogi sta razvrščanje in regresija; večina truda gre v pripravo čisto označenih podatkov.
Vektor vdelave (embedding) je seznam števil, ki predstavlja pomen besede, stavka ali dokumenta tako, da so si besedila s podobno vsebino blizu. Tako je mogoče na primer prepoznati, da sta „odpoved“ in „prenehanje pogodbe“ povezani, čeprav nimata skupnih besed. Vdelave so podlaga mnogih sistemov pomenskega iskanja, priporočilnih storitev in aplikacij RAG; izračunajo jih posebej naučeni modeli.
