Typen van Machine Learning
Supervised Learning
Supervised learning is een machine learning-techniek waarbij het model wordt getraind op een gelabelde trainingsset.
De meest voorkomende taken binnen supervised learning zijn:
-
Regressie (bijvoorbeeld het voorspellen van de prijs van een huis): hiervoor is een trainingsset met gelabelde huizenprijzen vereist;
-
Classificatie (bijvoorbeeld het classificeren van e-mail als spam/ham): hiervoor is een trainingsset met labels spam/ham vereist.
Unsupervised learning
Unsupervised learning is een machine learning-techniek waarbij het model wordt getraind op een niet-gelabelde trainingsset.
De meest populaire unsupervised learning-taken zijn clustering, anomaliedetectie en dimensionaliteitsreductie.
Clustering
Dit is het proces van het groeperen van vergelijkbare datapunten in clusters. Het is niet nodig om de data te labelen. Bijvoorbeeld, een trainingsset van e-mails zonder labels spam/ham is voldoende.
Anomaliedetectie
Dit is het proces van het detecteren van afwijkingen van normaal datagedrag. Bijvoorbeeld, fraudedetectie bij creditcardtransacties. Het is niet nodig om fraude/niet-fraude te labelen. Geef simpelweg de transactiegegevens aan een model, dat bepaalt of de transactie opvalt.
Dimensionaliteitsreductie
Dit is het proces van het verminderen van het aantal dimensies terwijl zoveel mogelijk relevante informatie behouden blijft. Ook hiervoor zijn geen labels vereist.
Reinforcement learning
Reinforcement learning verschilt aanzienlijk van de vorige twee typen. Het is een techniek die wordt gebruikt om zelfrijdende voertuigen, robots, AI in gaming en meer te trainen.
Reinforcement learning is een machine learning-techniek waarbij de agent (bijvoorbeeld een robotstofzuiger) leert door beslissingen te nemen en een beloning te ontvangen als de beslissing correct is en een straf als de beslissing onjuist is.
Stel je voor dat een hond wordt getraind om een bal te halen. De hond ontvangt een beloning (zoals een traktatie of lof) voor het oppakken van de bal en het dichter bij de eigenaar brengen. Er volgt een straf (zoals het onthouden van de traktatie of een teleurgestelde toon) als de hond de verkeerde kant op rent of wordt afgeleid. Daarnaast ontvangt de hond een grote beloning zodra hij de bal succesvol ophaalt en bij de eigenaar aflevert.
1. Voor het trainen van het ML-model voor een supervised learning-taak is een trainingsset met doelwaarden (gelabeld) vereist. Is dit correct?
2. Voor het trainen van het ML-model voor een unsupervised learning-taak is het niet vereist dat een trainingsset doelwaarden (gelabeld) bevat. Is dit correct?
Bedankt voor je feedback!
Vraag AI
Vraag AI
Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.
Can you explain the main differences between supervised, unsupervised, and reinforcement learning?
Can you give more real-world examples of each type of machine learning?
How do I know which type of machine learning to use for my problem?
Awesome!
Completion rate improved to 3.13Typen van Machine Learning
Veeg om het menu te tonen
Supervised Learning
Supervised learning is een machine learning-techniek waarbij het model wordt getraind op een gelabelde trainingsset.
De meest voorkomende taken binnen supervised learning zijn:
-
Regressie (bijvoorbeeld het voorspellen van de prijs van een huis): hiervoor is een trainingsset met gelabelde huizenprijzen vereist;
-
Classificatie (bijvoorbeeld het classificeren van e-mail als spam/ham): hiervoor is een trainingsset met labels spam/ham vereist.
Unsupervised learning
Unsupervised learning is een machine learning-techniek waarbij het model wordt getraind op een niet-gelabelde trainingsset.
De meest populaire unsupervised learning-taken zijn clustering, anomaliedetectie en dimensionaliteitsreductie.
Clustering
Dit is het proces van het groeperen van vergelijkbare datapunten in clusters. Het is niet nodig om de data te labelen. Bijvoorbeeld, een trainingsset van e-mails zonder labels spam/ham is voldoende.
Anomaliedetectie
Dit is het proces van het detecteren van afwijkingen van normaal datagedrag. Bijvoorbeeld, fraudedetectie bij creditcardtransacties. Het is niet nodig om fraude/niet-fraude te labelen. Geef simpelweg de transactiegegevens aan een model, dat bepaalt of de transactie opvalt.
Dimensionaliteitsreductie
Dit is het proces van het verminderen van het aantal dimensies terwijl zoveel mogelijk relevante informatie behouden blijft. Ook hiervoor zijn geen labels vereist.
Reinforcement learning
Reinforcement learning verschilt aanzienlijk van de vorige twee typen. Het is een techniek die wordt gebruikt om zelfrijdende voertuigen, robots, AI in gaming en meer te trainen.
Reinforcement learning is een machine learning-techniek waarbij de agent (bijvoorbeeld een robotstofzuiger) leert door beslissingen te nemen en een beloning te ontvangen als de beslissing correct is en een straf als de beslissing onjuist is.
Stel je voor dat een hond wordt getraind om een bal te halen. De hond ontvangt een beloning (zoals een traktatie of lof) voor het oppakken van de bal en het dichter bij de eigenaar brengen. Er volgt een straf (zoals het onthouden van de traktatie of een teleurgestelde toon) als de hond de verkeerde kant op rent of wordt afgeleid. Daarnaast ontvangt de hond een grote beloning zodra hij de bal succesvol ophaalt en bij de eigenaar aflevert.
1. Voor het trainen van het ML-model voor een supervised learning-taak is een trainingsset met doelwaarden (gelabeld) vereist. Is dit correct?
2. Voor het trainen van het ML-model voor een unsupervised learning-taak is het niet vereist dat een trainingsset doelwaarden (gelabeld) bevat. Is dit correct?
Bedankt voor je feedback!
