Herhaling: Trainingsdata en bias

Wat zijn trainingsdata?

Trainingsdata zijn verzamelingen gegevens die gebruikt worden om een machine learning model te trainen.

Wat is bias in AI?

Bias in AI verwijst naar systematische fouten in de beslissingen van een model, vaak veroorzaakt door ongebalanceerde trainingsdata.

Voorbeeld van een bias.

Een voorbeeld van bias is wanneer een gezichtsherkenningssysteem meer fouten maakt bij het herkennen van mensen met een bepaalde huidskleur.

Waarom zijn trainingsdata belangrijk?

Zonder goede trainingsdata kan een model niet goed leren en presteert het mogelijk slecht in de praktijk.

Wat is overfitting?

Overfitting is wanneer een model te goed leert van de trainingsdata, inclusief de ruis, en niet goed generaliseert naar nieuwe data.

Wat is onderfitting?

Onderfitting gebeurt wanneer een model te simpel is om de onderliggende patronen in de trainingsdata te leren.

Wat is een dataset?

Een dataset is een gestructureerde verzameling gegevens, vaak gebruikt voor het trainen en testen van machine learning modellen.

Verschil tussen gelabelde en ongelabelde data.

Gelebelde data heeft labels (bijv. categorieën) die het model helpt leren, terwijl ongelabelde data geen labels heeft.

Wat is een representatieve steekproef?

Een representatieve steekproef is een subset van data die de kenmerken van de gehele populatie goed weergeeft.

Wat is data-augmentatie?

Data-augmentatie is een techniek om extra trainingsdata te genereren door bestaande data te transformeren, zoals rotatie of schaling.

Wat is een bias-variance tradeoff?

De bias-variance tradeoff beschrijft de balans tussen de fout van een model door bias en variabiliteit.

Wat is een classificatiemodel?

Een classificatiemodel is een type machine learning model dat gebruikt wordt om gegevens in categorieën te plaatsen.

Wat is een regressiemodel?

Een regressiemodel voorspelt continue waarden, zoals prijzen of temperaturen, op basis van inputkenmerken.

Wat is validatie?

Validatie is het proces van het testen van een model op een aparte dataset om te controleren hoe goed het presteert.

Wat zijn features?

Features zijn de individuele meetbare eigenschappen of kenmerken die worden gebruikt door een machine learning model.

Wat is datavervuiling?

Datavervuiling verwijst naar fouten in de gegevens, zoals ontbrekende waarden of onjuiste informatie, die een model kunnen beïnvloeden.

Wat is een neural network?

Een neural network is een machine learning model dat is geïnspireerd op de structuur van het menselijk brein, bestaande uit verbonden knooppunten.

Wat is feature scaling?

Feature scaling is het proces om de schalen van features te normaliseren, zodat ze vergelijkbaar zijn tijdens training.

Wat is cross-validation?

Cross-validation is een techniek om de generaliseerbaarheid van een model te beoordelen door het in verschillende datasets te testen.

Wat is een confusion matrix?

Een confusion matrix is een tabel die de prestaties van een classificatiemodel samenvat door echte versus voorspelde waarden te vergelijken.