A döntési fa egy fa alakú modell, amely sorozatos kérdések alapján hoz döntést.
A fa csomópontjai kérdéseket jelentenek (pl. „jövedelem > 200 000 Ft?"), az ágak a lehetséges válaszokat, a levelek pedig a döntéseket. Könnyen értelmezhető és vizuálisan átlátható.
Különösen fontos, mert jól magyarázható és üzleti környezetben könnyen elfogadtatható.
Hitelkérelmek elbírálása egy sor kérdés alapján.
A felügyelt tanulás egy gépi tanulási módszer, ahol az algoritmust olyan adatokkal tanítják, amelyek tartalmazzák a bemeneteket és a hozzájuk tartozó helyes kimeneteket.
A jellemzők azok a változók vagy tulajdonságok, amelyeket a modell a döntések meghozatalához használ.
A keresztvalidáció egy technika, amely az adatok több részre osztásával méri a modell teljesítményét.
A magyarázható AI olyan technikák összessége, amelyek célja, hogy az AI döntéseit érthetővé tegyék az emberek számára.
Az osztályozás egy prediktív modellezési módszer, ahol a cél az, hogy az adatok előre definiált kategóriákba kerüljenek.
A Random Forest több döntési fát kombináló algoritmus, amely a fák többségi szavazata alapján hoz döntést.
A regresszió egy gépi tanulási módszer, amely folytonos értékek előrejelzésére szolgál.
A túlillesztés akkor fordul elő, amikor a modell túl jól megtanulja a tanítókészlet adatait, de új adatokon rosszul teljesít.
