K-närmaste grannar (k-nearest neighbours, k-NN) är en enkel metod för övervakad inlärning. För att klassificera en ny datapunkt letar den efter de k mest liknande kända exemplen och övertar deras vanligaste klass eller, för numeriska värden, deras medelvärde. Den behöver ingen egentlig träningsfas, men blir långsam med stora datamängder och är känslig för hur variabler skalas. Exempel: produktrekommendationer baserade på liknande kunder.
En klassificerare är en modell eller metod som placerar indata i en av flera förutbestämda kategorier. Klassiska varianter som beslutsträd eller naiv Bayes tränas på annoterade exempel; språkmodeller kan också sortera texter utifrån en beskrivning av kategorierna. Typiska användningar är skräppostdetektering, sortering av kundförfrågningar efter ämne och kategorisering av kvitton. Kvaliteten mäts med mått som noggrannhet, precision och täckning.
K-means är en metod för oövervakad inlärning som delar in datapunkter i ett förutbestämt antal k grupper. Den tilldelar varje punkt närmaste gruppcentrum och flyttar sedan centrumen tills tilldelningarna knappt förändras. Metoden är snabb och lätt att förstå, men kräver ett förnuftigt val av k och variabler i jämförbara skalor. Exempel: gruppera kunder efter köpfrekvens och varukorgsvärde.
Vid övervakad inlärning lär sig en modell av exempel där det rätta svaret redan är känt, som e-postmeddelanden märkta ”spam” eller ”inte spam”. Utifrån dem härleder den regler för att klassificera nya, osedda fall eller förutsäga värden. Typiska uppgifter är klassificering och regression; det mesta av arbetet går åt till att skapa rent märkta data.
En inbäddningsvektor (embedding) är en lista med tal som representerar betydelsen av ett ord, en mening eller ett dokument så att texter med liknande innehåll hamnar nära varandra. Det gör det möjligt att till exempel se att ”uppsägning” och ”avslut av avtal” hör ihop trots att de inte delar några ord. Inbäddningar ligger till grund för många semantiska söksystem, rekommendationstjänster och RAG-applikationer; de beräknas av särskilt tränade modeller.
