Supervised en unsupervised learning samenvatting

Wat is supervised learning?

Een type machine learning waarbij het model leert van gelabelde data. Het doel is om voorspellingen te doen op basis van nieuwe, ongeziene data.

Voorbeeld van supervised learning.

E-mail classificatie: spam vs. niet-spam. Algoritmen leren van eerder gelabelde e-mails.

Wat zijn gelabelde gegevens?

Gegevens waarbij elke invoer een bijbehorende output heeft. Bijvoorbeeld: foto's van katten met het label 'kat'.

Noem een veelgebruikte supervised learning algoritme.

Beslissingsboom, lineaire regressie, of support vector machines (SVM).

Wat is regressie?

Een supervised learning techniek die continue waarden voorspelt. Bijvoorbeeld: voorspellen van huizenprijzen in euro's.

Wat is classificatie?

Een proces waarbij het model invoerdata categoriseert. Bijvoorbeeld: classificeren van e-mails als spam of niet-spam.

Wat is het doel van training in supervised learning?

Het optimaliseren van het model zodat het nauwkeurig voorspellingen kan doen op nieuwe data.

Hoe wordt een model geëvalueerd?

Via metrics zoals nauwkeurigheid, precisie, en recall, vaak met behulp van een testdataset.

Wat is overfitting?

Wanneer een model te goed presteert op de trainingsdata, maar slecht op nieuwe data. Het model leert ruis in plaats van patronen.

Vul in: Supervised learning vereist _______.

gelabelde data.

Wat zijn 'features' in supervised learning?

De inputvariabelen die gebruikt worden om voorspellingen te doen. Bijvoorbeeld: oppervlakte van een huis, aantal kamers.

Hoe verschilt supervised learning van unsupervised learning?

Supervised learning gebruikt gelabelde data, terwijl unsupervised learning werkt met ongelabelde data zonder specifieke uitkomsten.

Wat is cross-validation?

Een techniek om het model te evalueren door de data in meerdere subsets te splitsen voor een betrouwbaardere schatting van de prestaties.

Wat is het doel van een verliesfunctie?

Het meten van de verschil tussen de voorspellingen van het model en de werkelijke waarden. Hoe lager, hoe beter het model.

Noem een toepassing van supervised learning.

Gezondheidszorg: diagnose van ziekten op basis van symptomen en medische geschiedenis.

Wat is feature scaling?

Een techniek om de schaal van de inputfeatures te normaliseren, waardoor het model beter presteert.

Wat is unsupervised learning?

Een type machine learning waarbij het model leert van ongelabelde data. Het doel is om patronen of structuren in de data te ontdekken.

Noem een voorbeeld van een toepassing van unsupervised learning.

Klantensegmentatie in marketing. Hierdoor kunnen bedrijven gerichter adverteren.

Wat is clustering?

Een techniek binnen unsupervised learning die data groepeert op basis van vergelijkbare kenmerken. Voorbeelden zijn K-means en hiërarchische clustering.

Wat is het doel van dimensiereductie?

Het verminderen van het aantal variabelen in de dataset terwijl de belangrijkste informatie behouden blijft. Bijvoorbeeld met PCA (Principal Component Analysis).

Vul de lege ruimte in: K-means is een populaire ________ techniek.

clustering

Wat is een belangrijk kenmerk van unsupervised learning?

Het ontbreken van gelabelde data. Modellen worden getraind om zelf patronen te identificeren.

Vergelijk clustering en classificatie.

Clustering: ongelabelde data, wordt gebruikt om groepen te vormen. Classificatie: gelabelde data, gebruikt om categorieën te voorspellen.

Is PCA een voorbeeld van unsupervised learning?

Waar. PCA reduceert dimensies zonder gebruik te maken van gelabelde data.

Wat is een veelgebruikte maat voor clustering kwaliteit?

Silhouette score. Dit meet hoe dicht een punt bij zijn cluster ligt ten opzichte van andere clusters.

Wat zijn outliers?

Gegevenspunten die significant afwijken van de andere data. Ze kunnen belangrijke inzichten bieden in de dataset.

Vul de lege ruimte in: Agglomeratieve clustering begint met ________.

elke datapunten als afzonderlijke clusters.

Wat is een voordeel van unsupervised learning?

Het kan nieuwe inzichten en patronen ontdekken zonder vooraf gedefinieerde labels, wat nuttig is voor exploratieve data-analyse.

Wat is het verschil tussen K-means en hiërarchische clustering?

K-means vereist het aantal clusters vooraf, hiërarchische clustering genereert een boomstructuur zonder vooraf gedefinieerd aantal clusters.

Wat houdt een associatieanalyse in?

Het ontdekken van interessante relaties tussen variabelen in grote datasets. Bijvoorbeeld, het vinden van koopgedrag in supermarkten.

Is unsupervised learning altijd beter dan supervised learning?

Onjuist. Beide hebben hun toepassingen afhankelijk van de beschikbaarheid van gelabelde data en het doel van de analyse.

Wat is een typische output van clustering?

Groepen of clusters van data punten die vergelijkbare eigenschappen delen.