What is ML? Flashcards
Wat is Machine Learning?
De verzameling van alle taken waarbij een computer beslissingen kan nemen op basis van gegevens.
Drie grote opsliptsingen Machine Learning?
Supervised Learning (data met een label) Unsupervised Learning (data zonder label) Reinforcment learning (score)
Supervised learning, uitleg?
Supervised Learning werkt met categorische en numerieke data om te herinneren, formuleren en te onthouden.
Categorische data (nominaal of ordinaal) Numerieke data (interval of ratio)
Classificatie
Regressie
Classificatie, uitleg en voorbeeld?
Sorteert data in categorieën.
Onderdeel van Supervised Learning, werkt met categorische data. (Geslacht, is gekocht,…)
Modeloutput is discreet: een categorie, een klasse, een toestand,… (ja nee, behoort bij, kat hond)
Regressie, uitleg en voorbeeld?
Een afhankelijke variabele (y) voorspellen op basis van de waarde van een of meer onafhankelijke variabelen (x)
Onderdeel van Supervised Learning, werkt met numerieke data. (euro, gewicht,…)
Modeloutput is continu, een reëel getal. (prijzen van huizen, aandelen)
Unsupervised Learning, uitleg?
Unsupervised Learning gaat zelf patronen en informatie ontdekken die voorheen onontdekt waren op basis van data zonder label.
Clustering
Dimensionality Reduction
Clustering, uitleg en voorbeeld?
Data groeperen op basis van gelijkenissen.
Onderdeel van Unsupervised Learning, merkt met ongelabelde data. (ontvangers e-mail)
Markt segmentatie, mails,…
Reduceren van rijen bij UL
Dimensionality reduction, uitleg en voorbeeld?
Data beschrijven met minder features zonder verlies aan informatie. Dimensies = aantal kolommen in tabel.
Reduceren van kolommen bij UL
Matrix Factorization, uitleg en voorbeeld?
Matrix factorisatie is een klasse van collaboratieve filtering algoritmen die gebruikt worden in aanbevelingssystemen
Voorbeeld filmpje netflix.
Reduceren van rijen en kolommen bij UL
Reinforcement learning
Onderdeel ML Zoals SL & UL.
Hoe intelligente agents acties in een omgeving zouden moeten ondernemen om de notie van cumulatieve beloning te maximaliseren.