Waarom is dit belangrijk?
Grote stromen gegevens zijn zo snel in te delen in herkenbare groepen, zonder dat een medewerker elk geval apart bekijkt. In ziekenhuizen ondersteunt die indeling artsen bij het bekijken van medische beelden, onder meer bij het opsporen van bepaalde vormen van kanker. Patiënten en artsen kunnen daardoor eerder een uitslag krijgen, maar bij sommige patiëntgroepen wordt een aandoening toch vaker gemist.
Zo werkt het in de praktijk
Banken gebruiken classificatie om in te schatten of een klant een lening terugbetaalt. Het model bekijkt daarvoor inkomen, kredietgeschiedenis en leeftijd. Wikipedia noemt ook het indelen van documenten en het herkennen van handschrift als toepassingen.
Onderzoekers van Elizabeth City State University vergeleken lineaire en niet-lineaire modellen voor kredietrisico. Het model deelt leningaanvragers in als wel of niet in gebreke. De uitkomsten staan in een tabel met juiste en onjuiste indelingen en in een grafiek van trefkans tegen loos alarm.
De onderzoekers volgden CRISP-DM bij het bouwen van dit classificatiemodel. CRISP-DM is een standaardwerkwijze voor dataminingprojecten. Zij kozen het model dat het vaakst juist indeelde en de meeste gevallen van wanbetaling vond.




