Strojové učení

RAG je architektura pro práci s jazykovým modelem, která před generováním odpovědi vyhledá relevantní informace v externím úložišti a vloží je do kontextu modelu. Díky tomu může aplikace odpovídat z aktuálních firemních dat, dokumentace nebo znalostní báze, aniž by se musel model pokaždé znovu trénovat.

Random forest je algoritmus strojového učení, který kombinuje stovky rozhodovacích stromů natrénovaných na náhodných výběrech dat i příznaků a jejich hlasy nebo průměry spojí do jedné predikce. Tímto zprůměrováním potlačí sklon jednotlivého stromu k přeučení a dosahuje stabilních výsledků na tabulkových datech bez náročného ladění.

Regrese je úloha strojového učení a statistiky, při které model odhaduje spojitou číselnou hodnotu z hodnot vstupních proměnných. Typickým výstupem je cena, teplota, doba trvání nebo objem prodeje. Model se učí ze vzorků se známou odpovědí a jeho chybu měříme vzdáleností předpovědi od skutečné hodnoty, nejčastěji střední kvadratickou chybou.