Regularizace je technika, která pomáhá zabránit přeučení (overfittingu) modelu tím, že omezuje složitost modelu. Toho se dosahuje přidáním penalizačního členu do ztrátové funkce, který „trestá“ extrémní váhy. Mezi běžné typy regularizace patří L1 (Lasso) a L2 (Ridge). Regularizace zvyšuje schopnost modelu generalizovat na nová data.

Regrese je metoda, kterou model předpovídá spojité (numerické) hodnoty na základě vstupních dat. Například může odhadnout cenu nemovitosti, teplotu nebo výnos investice. V AI a statistice existuje mnoho regresních technik – od jednoduché lineární regrese až po složité nelineární modely s hlubokým učením.

Recall, česky úplnost, je metrika hodnocení výkonu klasifikačních modelů. Vyjadřuje, kolik skutečně relevantních případů model správně označil. Například v medicínské diagnostice je vysoký recall klíčový, protože chceme minimalizovat počet falešně negativních případů – tedy těch, které model označil jako negativní, i když jsou ve skutečnosti pozitivní.