Termer og begreper innen AI og ML
Data
Selv om dette begrepet er noe løst definert, sikter man som regel til de dataene man har til rådighet. I eksempelet med nettbutikken er dataene informasjon om de besøkende og kjøpene deres. Data trenger imidlertid ikke å være i tabellform; bilder, videoer, diagrammer m.m. er også data.
Modell (prediksjonsmodell)
Når man studerer data, gjør man det med matematiske funksjoner, og sammenfatningen av disse funksjonene kalles en modell. Man sier at man bruker data til å bygge en modell. Denne modellen kan deretter brukes til for eksempel å predikere om nye pasienter kommer til å utvikle kreft, eller om nye besøkende kommer til å handle i nettbutikken. Modellen oppsummerer hva datamaskinen har lært gjennom maskinlæring (machine learning). Begrepene modell og prediksjonsmodell er synonyme i denne sammenhengen.
Trening (training)
For å lage en modell trenger man eksempeldata. I eksempelet med nettbutikken trengte vi data fra mange besøkende og deres atferd før vi kunne predikere for nye besøkende. Eksempeldata (treningsdata) brukes for at maskinlæringen skal finne mønstrene som finnes i dataene. Denne fasen kalles trening (eng. training), fordi maskinen trenes ved hjelp av eksempeldata. Man bruker som regel 80 % av alle data til trening.
Testing (testing)
De 20 % av dataene som ikke brukes til trening, kan brukes til testing. Under testingen evaluerer man hvor god modellen er, og dette må gjøres på data som modellen ikke er trent på. Testingen går altså ut på å evaluere modellens presisjon/evne.
Det er viktig at man alltid tester modellen på data som modellen ikke har studert i treningsfasen. Modellen vil nemlig alltid ha høy presisjon på data som den har «sett under treningen». Presisjonen på testdata vil alltid være lavere, og det er den presisjonen vi er interessert i, fordi den gir en bedre indikasjon på hvordan modellen presterer på fremtidige data. Fordelingen 80/20 kan justeres avhengig av situasjon og data.
Variabel
Med variabel mener man vanligvis kolonnene i en tabell. Hver kolonne beskriver en egenskap ved enhetene man studerer (pasienter, besøkende osv.).
Prediktor (feature)
Alle variabler som brukes til å forutsi utfallet, er prediktorer. Med andre ord er en prediktor en variabel som brukes til å predikere (forutsi) utfallet. I eksempelet med skoleelevene er skoleoppmøtet deres og foreldrenes inntekt eksempler på prediktorer.
Utfall, outcome, label
Utfall er det man forsøker å forutsi (predikere) ved hjelp av modellen. I eksempelet med skoleelevene er utfallet deres sluttkarakter. I eksempelet med nettbutikken er utfallet om de besøkende kjøper varer. Utfallet er altså det man er interessert i å predikere.