Modelos

Un modelo de aprendizaje automático es esencialmente una representación matemática de un proceso del mundo real. Para crear modelos de aprendizaje automático, debes proporcionar algoritmos de aprendizaje automático con datos de entrenamiento de los que puedan aprender.

La plataforma utiliza una serie de modelos de aprendizaje automático (tanto supervisados como no supervisados) para interpretar, comprender y aplicar etiquetas a tus datos. A menudo utilizamos el término "modelo" en nuestra plataforma y en nuestra documentación para referirnos colectivamente a estos modelos que trabajan en segundo plano.

Cada conjunto de datos tiene un "modelo" asociado, que se entrena a medida que los usuarios revisan los mensajes dentro de la plataforma. A medida que el modelo se entrena, aprende y mejora, lo que le permite hacer mejores predicciones para las etiquetas y los campos generales.

Los modelos se pueden guardar y versionar. Esto significa que cuando los usuarios configuran un flujo de automatización, pueden seleccionar una versión específica del modelo y pueden confiar en el rendimiento de esa versión para la etiqueta en cuestión. Esto da a los usuarios determinismo a la hora de crear automatizaciones o utilizar los datos para análisis en aplicaciones posteriores. Para obtener más información, consulta la sección de modelos .