A predikció az a folyamat, amikor az AI-modell új bemenetek alapján előrejelzést ad a várható kimenetre.
A modell példákon tanult, majd ezek alapján képes ismeretlen adatok esetén becslést tenni. A predikció lehet szám (árfolyam előrejelzés) vagy kategória (pl. vásárol/nem vásárol).
Ez az AI gyakorlati „kimenete”, vagyis amit a felhasználó közvetlenül tapasztal.
Egy webshopban előrejelzés, hogy a látogató vásárlóvá válik-e.
A célváltozó az a kimenet, amit a modell előre szeretne jelezni.
A felügyelt tanulás egy gépi tanulási módszer, ahol az algoritmust olyan adatokkal tanítják, amelyek tartalmazzák a bemeneteket és a hozzájuk tartozó helyes kimeneteket.
A modell az a matematikai és statisztikai struktúra, amelyet az AI az adatokból tanulás során hoz létre, és amit a döntéshozatalra használ.
Az osztályozás egy prediktív modellezési módszer, ahol a cél az, hogy az adatok előre definiált kategóriákba kerüljenek.
A prediktív analitika az adatok és AI-modellek felhasználásával jövőbeli események előrejelzését jelenti.
A regresszió egy gépi tanulási módszer, amely folytonos értékek előrejelzésére szolgál.
A tanítókészlet az a konkrét adathalmaz, amelyet az AI-modell betanítására használnak.
A tesztkészlet egy külön adathalmaz, amellyel a betanított AI-modell teljesítményét mérik.
