VO.3 - Voorspellen mbv data

Question 1

Wat is een feature?

Answer 1

meetbare data dat gebruikt kan worden voor analyse

Question 2

Wat is een label?

Answer 2

Het wordt gebruikt voor het identificeren van data om er een meer betekenisvolle en meer informatieve label aan te geven zodat de machine context heeft waar hij van kan leren

Question 3

Wat is het target?

Answer 3

Waar je je op richt

Question 4

Wat is een instance?

Answer 4

voorbeeld

Question 5

Wat zijn de vijf stappen van data analyse?

Answer 5

1. Identificeren
2. data verzameling
3. clean: dubbel of inconsistente data verwijderen
4. analyse
5. interpretatie

Question 6

Wat doe je bij data exploratie?

Answer 6

Een visuele manier om inzicht te krijgen in de data en het beginnen met leren van verschillende informatieve verdelingen

Question 7

Wat kan het gevolg zijn van te veel features?

Answer 7

Overfitting: waarbij het slecht generaliseerbaar is

Question 8

Waarin splitsen we data en waar worden deze groepen voor gebruikt?

Answer 8

1. Test set voor training
2. validation set voor finetuning en evaluatie
3. Test set: final performance evaluation

Question 9

Wat is Orange?

Answer 9

• Open bron data visualisatie
• machine learning
• Data mining toolkit
  Voor snelle kwalitatieve data analyse en interactieve data visualisatie
  Je hoeft niet alles te begrijpen om de basis van machine learning te snappen

Question 10

Wat is data mining?

Answer 10

Het proces van het sorteren door grote data sets om patronen en relaties te identificeren met data analyse

Question 11

Welke vijf stappen moet je doorlopen om een machine learning model te maken?

Answer 11

1. data set exploration/visualisation
2. feature selectie
3. splitsen van data sets
4. model creating en testing
5. evaluatie