Modèles

Un modèle d'apprentissage automatique est essentiellement une représentation mathématique d'un processus réel. Pour créer des modèles d'apprentissage automatique, vous devez fournir aux algorithmes d'apprentissage automatique des données d'entraînement à partir desquelles ils peuvent apprendre.

La plate-forme utilise un certain nombre de modèles d'apprentissage automatique (à la fois supervisés et non supervisés) afin d'interpréter, de comprendre et d'appliquer des libellés à vos données. Nous utilisons souvent le terme « modèle » dans notre plate-forme et notre documentation pour désigner collectivement ces modèles qui travaillent en arrière-plan.

Chaque ensemble de données est associé à un « modèle », qui est entraîné au fur et à mesure que les utilisateurs examinent les messages au sein de la plate-forme. Au fur et à mesure que le modèle s'entraîne, il apprend et s'améliore, ce qui lui permet de faire de meilleures prédictions pour les libellés et les champs généraux.

Les modèles peuvent être enregistrés et versionnés. Cela signifie que lorsque les utilisateurs configurent un flux d'automatisation, ils peuvent sélectionner une version spécifique du modèle et peuvent avoir confiance dans les performances de cette version pour le libellé en question. Cela donne aux utilisateurs un déterminisme lorsqu'il s'agit de créer des automatisations ou d'utiliser les données à des fins d'analyse dans des applications en aval. Pour plus d'informations, consultez la section des modèles .