Una funzione target, nell'apprendimento automatico, è un metodo per risolvere un problema che un algoritmo di intelligenza artificiale analizza i suoi dati di addestramento per trovare. Una volta che un algoritmo trova la sua funzione di destinazione, tale funzione può essere utilizzata per prevedere i risultati (analisi predittiva). La funzione può quindi essere utilizzata per trovare i dati di output relativi agli input per problemi reali in cui, a differenza dei set di addestramento, gli output non sono inclusi.
La funzione di destinazione è essenzialmente la formula a cui un algoritmo invia i dati per calcolare le previsioni. Come in algebra, è comune quando si allena l'IA per trovare la variabile dalla soluzione, lavorando al contrario. La funzione definita da f viene applicata all'ingresso (I) per produrre l'output (I), quindi O = f (I).
Analizzando le enormi quantità di dati relativi a un determinato problema, un'intelligenza artificiale ricava la comprensione di regole precedentemente non specificate rilevando la coerenza nei dati. Le osservazioni di regole intrinseche su come opera il soggetto studiato informano l'IA su come elaborare dati futuri che non includono un output applicando questa funzione precedentemente sconosciuta.