Cartera

Representación matemática de texto o datos que captura las relaciones subyacentes y el contexto dentro de la información. Las incrustaciones de texto se utilizan a menudo en tareas de procesamiento del lenguaje natural y también se pueden aplicar en otras áreas del aprendizaje automático o desafíos funcionales como la búsqueda. Al transformar los datos en un formato numérico denso, las incorporaciones permiten que los modelos capturen mejor el significado y los matices de la información, lo que genera predicciones y conocimientos más precisos.

Se pueden asignar varias etiquetas a una sola instancia y el objetivo es predecir todas las etiquetas relevantes para una instancia determinada. Este tipo de problema se usa comúnmente en tareas de clasificación de texto o imágenes y generalmente se basa en el entrenamiento en un conjunto de datos etiquetados para hacer predicciones sobre datos nuevos sin etiquetar.