Termer og begreber inden for AI og ML
Data
Selvom denne term er noget løst defineret, henviser man som regel til de data, man har til sin rådighed. I eksemplet med webshoppen er data information om de besøgende og deres køb. Data behøver dog ikke at være i tabelform; billeder, videoer, diagrammer m.fl. er også data.
Model (prædiktionsmodel)
Når man studerer data, gør man det med matematiske funktioner, og sammenfatningen af disse funktioner kaldes en model. Man siger, at man bruger data til at bygge en model. Denne model kan derefter bruges til eksempelvis at prædiktere, om nye patienter vil udvikle cancer, eller om nye besøgende vil handle i webshoppen. Modellen sammenfatter, hvad computeren har lært med machine learning. Termerne model og prædiktionsmodel er synonyme i denne sammenhæng.
Træning (training)
For at skabe en model har man brug for eksempeldata. I eksemplet med webshoppen havde vi brug for data fra mange besøgende og deres adfærd, før vi kunne prædiktere på nye besøgende. Eksempeldata (træningsdata) bruges til, at maskinlæringen kan finde de mønstre, der findes i data. Denne fase kaldes træning (eng. training), fordi maskinen trænes ved hjælp af eksempeldata. Man bruger som regel 80% af alle data til træning.
Testning (testing)
De 20% af data, som ikke bruges til træning, kan bruges til testning. Under testningen evaluerer man, hvor god modellen er, og dette skal gøres på data, som modellen ikke er blevet trænet på. Testningen går altså ud på at evaluere modellens præcision/evne.
Det er vigtigt, at man altid tester modellen på data, som modellen ikke har studeret under træningsfasen. Modellen vil nemlig altid have høj præcision på data, som den “har set under træningen”. Præcisionen på testdata vil altid være lavere, og det er den præcision, vi er interesserede i, fordi den giver en bedre indikation af, hvordan modellen klarer sig på fremtidige data. Fordelingen 80/20 kan justeres afhængigt af situation og data.
Variabel
Med variabel mener man som regel kolonnerne i en tabel. Hver kolonne beskriver en egenskab ved de enheder, man studerer (patienter, besøgende osv.).
Prædiktor (feature)
Alle variable, der bruges til at forudsige udfaldet, er prædiktorer. Med andre ord er en prædiktor en variabel, der bruges til at prædiktere (forudsige) udfaldet. I eksemplet med skoleeleverne er deres fremmøde i skolen og forældrenes indkomst eksempler på prædiktorer.
Udfald, Outcome, Label
Udfald er det, man forsøger at forudsige (prædiktere) ved hjælp af modellen. I eksemplet med skoleeleverne er udfaldet deres afgangskarakter. I eksemplet med webshoppen er udfaldet, om de besøgende køber varer. Udfaldet er altså det, man er interesseret i at prædiktere.