Binnen machine learning (ML) zijn er verschillende type algoritmen. Deze zijn afhankelijk van de inzichten die je wilt opdoen én van de data waarmee je machine learning blootsteld. In deze blog lees je meer over de verschillende type algoritme van ML.
#1 Begeleid leren (supervised learning)
Dit is een van de minst complexe types van machine learning. Bij supervised learning wordt het model getraind met gelabelde datasets. Je voedt het model met data en in- en uitvoervariabelen. Hierin zijn de variabelen al bepaald, dus het algoritme leert van bestaande informatie. Het algoritme is hierdoor in staat om taken te leren én na te bootsen. Zo creëer je nieuwe informatie, die je weer in kunt zetten voor bijvoorbeeld voorspellingen.
#2 Onbewaakt leren (unsupervised learning)
In tegenstelling tot supervised learning hebben we bij deze vorm van leren geen datasets met invoer- en uitvoervariabelen. Hierbij heb je alleen de data.
Unsupervised learning is een model dat geen voorkennis nodig heeft zoals bij supervised learning. In dit geval is het systeem in staat te leren, onbekende invoerpatronen te begrijpen en te identificeren (zonder het te labelen).
#3 Semi-begeleid leren (semi-supervised learning)
Semi-begeleid leren is een hybride vorm van de vorige twee. Bij dit model wordt een kleine hoeveelheid gelabelde data gebruikt én een grote hoeveelheid niet-gelabelde data. Hierdoor heb je eigenlijk het beste van twee werelden. De nauwkeurigheid van begeleid leren én de geringe inspanning van onbewaakt leren. Oftewel: je kunt een model trainen om data te labelen, zonder dat je grote gelabelde datasets nodig hebt. Still makes sense?
#4 Versterkend leren (reinforcement learning)
Versterkend leren is leren op basis van observatie. Het systeem of algoritme probeert zijn omgeving te observeren. Het systeem probeert te leren op basis van trial and error. Met andere woorden, het leert op basis van positieve of negatieve bekrachtiging om de beste actie te identificeren. Versterkend leren wordt vaak gebruikt voor complexe vraagstukken, aangezien je geen menselijke kennis als input hoeft te geven.
Aan de slag met jouw data
Geïnspireerd door al deze mogelijkheden? Of weet je niet zo goed waar je moet beginnen? We denken graag met je mee. Je kunt ons altijd bellen of mailen.
