Modelos

Um modelo de machine learning (ML) é essencialmente uma representação matemática de um processo do mundo real. Para criar modelos de ML, você precisa fornecer dados de treinamento de algoritmos de ML com os quais eles podem aprender.

A plataforma usa vários modelos de ML, supervisionados e não supervisionados, para interpretar, entender e aplicar rótulos a seus dados. Frequentemente, usamos o termo modelo para nos referirmos coletivamente a esses modelos que trabalham nos bastidores.

Cada conjunto de dados tem um modelo associado a ele que é treinado à medida que você revisa as mensagens dentro da plataforma. À medida que o modelo treina, ele aprende e melhora, permitindo fazer melhores previsões para rótulos e campos gerais.

Você pode salvar e versionar modelos. Isso significa que, ao configurar um fluxo de automação, você pode selecionar uma versão específica do modelo e pode confiar no desempenho dessa versão para o rótulo em questão. Isso proporciona determinismo na criação de automações ou no uso de dados para análises em aplicativos downstream. Para obter mais detalhes, consulte Modelos.