Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Machine learning (135)

Alle AI-termen binnen Machine learning, in gewone taal.

135 resultaten
Machine learning
Prescriptieve analyse
Prescriptive analytics
Voorschrijvende analyse is een analysemethode die uit data een concrete volgende actie voorstelt. Waar voorspellende analyse alleen schat wat er kan gebeuren, vergelijkt deze methode verschillende scenario's, prestaties uit verleden en heden en de middelen die een organisatie heeft. Een fabriek kan daarmee onderhoud inplannen zodra sensorgegevens wijzen op een naderende storing, en zo een ongeplande stilstand van de machine voorkomen.
Machine learning
Probabilistisch programmeren (PP)
Probabilistic programming (PP)
Probabilistisch programmeren (PP) is een programmeermethode waarin programmeurs kansmodellen in programmacode beschrijven. Anders dan gewone software, die alleen een vaste reeks stappen volgt, koppelt deze methode kansmodellen aan een gewone programmeertaal en voert de kansberekening zelf automatisch uit. Daardoor zijn zulke kansmodellen eenvoudiger en ook breder toe te passen, en kunnen systemen keuzes ondersteunen wanneer de uitkomst nog onzeker is.
Machine learning
Proximal policy optimization (PPO)
Proximal policy optimization (PPO)
Proximal policy optimization (PPO) is een leermethode voor een agent, een programma dat zelf keuzes maakt. Het programma krijgt een beloning voor betere acties en past zijn beslissingsregel daarna alleen beperkt aan, zodat grote sprongen de prestatie niet laten instorten. Zo kan zo'n programma in een computerspel lastige zetten leren, stap voor stap, zonder dat eerdere vooruitgang daarbij verloren gaat.
Machine learning
Q-learning
Q-learning
Q-learning is een algoritme voor leren met beloning dat de waarde van een actie in een toestand schat. Het programma probeert acties uit, past na elke beloning de score aan en heeft geen model van de omgeving nodig. Een spelprogramma leert zo welke zet in een bepaalde stand op de lange termijn de meeste punten oplevert, doordat het de mogelijke keuzes vaker uitprobeert.
Machine learning
Random forest
Random forest
Een random forest is een methode voor machine learning die veel beslissingsbomen samenvoegt voor classificatie of regressie. Tijdens het trainen bouwt het model veel aparte bomen en geeft daarna de meest voorkomende klasse of het gemiddelde van de voorspellingen. Zo corrigeert het de neiging van één beslissingsboom om de trainingsgegevens te sterk te volgen, bijvoorbeeld bij het inschatten van een kredietrisico.
Machine learning
Regressie
Regression
Regressie is een methode in machine learning om getallen te voorspellen, zoals prijzen of trends. Het model leert uit voorbeelden welk verband kenmerken hebben met een bekende uitkomst, en gebruikt dat verband voor nieuwe situaties in plaats van vaste rekenregels. Anders dan classificatie, die een vaste categorie kiest, levert regressie een getal op een doorlopende schaal, zoals een geschatte verkoopprijs.
Machine learning
Regressieanalyse
Regression analysis
Regressieanalyse is een statistische methode die het verband schat tussen een uitkomst en een of meer kenmerken. Bij de bekendste vorm, lineaire regressie, zoekt de methode de rechte lijn die volgens een vaste wiskundige regel het best bij de gemeten gegevens past. Zo kan een model schatten hoe het benzineverbruik van een bepaald type auto samenhangt met de snelheid waarmee wordt gereden.
Machine learning
Regularisatie
Regularization
Regularisatie is een groep technieken tegen overaanpassing, waarbij een lerend model de trainingsvoorbeelden te precies volgt. Tijdens het trainen krijgen te grote gewichten een straf, vallen willekeurige onderdelen tijdelijk weg, of stopt het leren zodra de score op aparte voorbeelden daalt. Het getrainde model onthoudt daardoor minder toevallige details van de trainingsset en herkent stabiele patronen die ook bij nieuwe gegevens kloppen.
Machine learning
Reinforcement Learning from Human Feedback (RLHF)
Reinforcement Learning from Human Feedback (RLHF)
Reinforcement learning from human feedback (RLHF) is een trainingsmethode die een model bijstuurt met voorkeuren van mensen. Mensen vergelijken antwoorden van het model en kiezen welk antwoord beter is; die voorkeuren sturen de training, in plaats van vaste programmeerregels. RLHF is een van meerdere methoden die een model richting behulpzaam, onschadelijk en eerlijk gedrag sturen, maar gemeten voorkeuren garanderen die eigenschappen niet.