Koneoppimismallien
Koneoppimismallit ovat algoritmeja tai järjestelmiä, jotka pystyvät oppimaan datasta ilman, että niitä on erikseen ohjelmoitu jokaista tehtävää varten. Ne tunnistavat datasta malleja ja tekevät ennusteita tai päätöksiä uusien, aiemmin näkemättömien tietojen perusteella. Prosessi alkaa datan keräämisellä ja esikäsittelyllä, jonka jälkeen malli koulutetaan tällä datalla. Koulutusvaiheessa mallin parametreja säädetään siten, että se pystyy mahdollisimman tarkasti suorittamaan sille asetetun tehtävän, kuten luokittelun, regressiokäyrän sovittamisen tai klusteroinnin.
Erilaisia koneoppimismalleja on useita, ja ne voidaan jakaa karkeasti ohjattuun oppimiseen, ohjaamattomaan oppimiseen ja vahvistusoppimiseen. Ohjatussa
Koneoppimismallien sovellusalueita ovat muun muassa kuvantunnistus, luonnollisen kielen käsittely, suositusjärjestelmät ja lääketieteellinen diagnostiikka. Mallien tehokkuus riippuu