
Tekstklassifisering
Lås opp automatisert tekstkategorisering i arbeidsflytene dine med Tekstklassifiseringskomponenten for FlowHunt. Klassifiser enkelt innkommet tekst i brukerdefi...
Lås opp automatisert tekstkategorisering i arbeidsflytene dine med Tekstklassifiseringskomponenten for FlowHunt. Klassifiser enkelt innkommet tekst i brukerdefi...
Arealet under kurven (AUC) er en grunnleggende metrikk i maskinlæring som brukes til å evaluere ytelsen til binære klassifiseringsmodeller. Den kvantifiserer mo...
Et beslutningstre er et kraftig og intuitivt verktøy for beslutningstaking og prediktiv analyse, brukt både i klassifisering og regresjonsoppgaver. Den treligne...
Lær om diskriminative AI-modeller—maskinlæringsmodeller som fokuserer på klassifisering og regresjon ved å modellere beslutningsgrenser mellom klasser. Forstå h...
En forvirringsmatrise er et verktøy innen maskinlæring for å evaluere ytelsen til klassifiseringsmodeller, og viser detaljer om sanne/falske positive og negativ...
Gradient Boosting er en kraftig ensemble-teknikk innen maskinlæring for regresjon og klassifisering. Den bygger modeller sekvensielt, vanligvis med beslutningst...
K-nærmeste naboer (KNN) er en ikke-parametrisk, veiledet læringsalgoritme som brukes for klassifisering og regresjon i maskinlæring. Algoritmen predikerer utfal...
En AI-klassifiserer er en maskinlæringsalgoritme som tildeler klasselapper til inndata, og kategoriserer informasjon i forhåndsdefinerte klasser basert på mønst...
Kryssentropi er et sentralt begrep innen både informasjonsteori og maskinlæring, og fungerer som et mål for å måle avviket mellom to sannsynlighetsfordelinger. ...
LightGBM, eller Light Gradient Boosting Machine, er et avansert gradient boosting-rammeverk utviklet av Microsoft. Det er designet for høytytende maskinlæringso...
Loggtap, eller logaritmisk/kryss-entropi-tap, er en nøkkelmetrik for å evaluere ytelsen til maskinlæringsmodeller—spesielt for binær klassifisering—ved å måle a...
Naiv Bayes er en familie av klassifiseringsalgoritmer basert på Bayes’ teorem, som anvender betinget sannsynlighet med den forenklende antakelsen om at egenskap...
Overvåket læring er en grunnleggende tilnærming innen maskinlæring og kunstig intelligens hvor algoritmer lærer fra merkede datasett for å gjøre prediksjoner el...
Overvåket læring er et grunnleggende AI- og maskinlæringskonsept der algoritmer trenes på merkede data for å gjøre nøyaktige prediksjoner eller klassifiseringer...
Utforsk recall i maskinlæring: et avgjørende mål for å evaluere modellens ytelse, spesielt i klassifiseringsoppgaver der korrekt identifisering av positive tilf...
Top-k nøyaktighet er en evalueringsmetode innen maskinlæring som vurderer om den sanne klassen er blant de k beste predikerte klassene, og gir et helhetlig og t...