Övervakad inlärning
En inlärningsmetod som använder indata tillsammans med tillhörande målvärden eller klasser som träningsexempel.
Vad lär sig en övervakad modell av?
Vid övervakad inlärning används indata tillsammans med tillhörande målangivelser för träning. Målangivelserna kallas etiketter och kan vara klasser eller talvärden. Modellen ska lära sig samband för att kunna förutsäga lämpliga resultat för nya indata. Målangivelserna måste passa den avsedda uppgiften. Övervakad syftar på dessa angivelser under träningen; ett mänskligt godkännande vid senare användning bestäms som ett eget processteg.
I ett fiktivt serviceprojekt ska tidigare meddelanden med granskade tilldelningar till teamen Reparation eller Fakturering användas som träningsexempel. Teamet klargör först om tilldelningarna speglar det ansvar som önskas i dag och har gjorts konsekvent. Felaktiga etiketter kan lära modellen fel samband. För bedömningen planeras andra lämpliga meddelanden som inte ingår i träningen. Då ska även hanteringen av oklara eller tidigare okända ärenden undersökas. Att etiketter finns gör inlärningsmetoden möjlig, men bevisar inte tillräcklig kvalitet för drift.
Källor
Relaterade begrepp
- MaskininlärningModeller lär sig mönster från data och använder dem på nya indata.
- AI-inferensAtt använda en redan tränad modell på indata för att få ett resultat.
- LLM-utvärderingLLM-utvärdering prövar modellutdata mot definierade uppgifter och kriterier. Ett bra enskilt exempel bevisar inte allmän kvalitet.
- PrognosmodellEn modell som använder tillgänglig information för att uppskatta ett framtida värde för en bestämd period.
- Oövervakad inlärningEn inlärningsmetod som söker mönster i data utan förutbestämda målsvar för den aktuella träningsuppgiften.
- Omrankning av sökresultatOmrankning bedömer redan hittade sökkandidater på nytt. Relevansen för frågan och det första urvalets begränsningar är avgörande.
Ditt projekt med ASES
Beskriv ditt projekt för oss. Vi hör av oss med en första bedömning.