Modelos

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

La plataforma utiliza una serie de modelos ML, tanto supervisados como no supervisados, para interpretar, comprender y aplicar etiquetas a tus datos. A menudo utilizamos el término modelo 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 revisas los mensajes dentro de la plataforma. A medida que el modelo se entrena, aprende y mejora, lo que le permite hacer mejores predicciones para etiquetas y campos generales.

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