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
Bias–variance tradeoff
Bias–variance tradeoff
De bias-variantie-afweging is een eigenschap van een verzameling voorspellende modellen in statistiek en machine learning. Bij minder bias (systematische afwijking) liggen schattingen gemiddeld dichter bij de echte parameter, maar ze lopen sterker uiteen tussen steekproeven, en omgekeerd. Die spanning bepaalt hoe betrouwbaar voorspellingen op nieuwe gegevens zijn: een te simpel model mist echte patronen, terwijl een te flexibel model toevallige ruis in de trainingsgegevens overneemt.
Machine learning
Bijenalgoritme
Bees algorithm
Het bees algorithm is een zoekmethode die het voedselzoeken van honingbijen nabootst om de beste oplossing te vinden. Een groep virtuele bijen beoordeelt kandidaatoplossingen als voedselbronnen: de beste plekken krijgen meer zoekers in de buurt en de rest verkent nieuwe gebieden. Het is bruikbaar bij optimalisatie van vaste keuzes en van doorlopende getallen, zolang de afstand tussen twee oplossingen te meten is.
Machine learning
Binaire classificatie
Binary classification
Binaire classificatie is een taak in machine learning waarbij een model een geval in precies twee categorieën indeelt. Het model leert, anders dan software met vaste regels, van voorbeelden met een bekend antwoord, zoals ja of nee, en berekent daarna hoe waarschijnlijk elk van beide uitkomsten is. Zo kan een systeem voorspellen of mensen wel of niet gaan stemmen bij de volgende verkiezingen.
Machine learning
Boosting
Boosting
Boosting is een methode in machine learning die meerdere losse modellen tot één gezamenlijke voorspelling samenvoegt. De modellen trainen na elkaar: elk volgend model bekijkt waar het vorige model fout zat en corrigeert die fouten, vooral om structurele afwijkingen (bias) te verkleinen. Zo worden deze terugkerende fouten kleiner, bijvoorbeeld bij het indelen van berichten of het schatten van een prijs.
Machine learning
Bootstrap-aggregatie
Bootstrap aggregating
Bootstrap aggregating (bagging) is een methode in machine learning die meerdere modellen combineert om de spreiding in voorspellingen te verkleinen. Elk model traint zelfstandig op een eigen willekeurige steekproef uit dezelfde gegevens, waarna het systeem het gemiddelde van alle voorspellingen neemt. Zo blijft een schatting stabieler wanneer de trainingsgegevens licht veranderen, bijvoorbeeld bij een model dat voor een bank het risico op wanbetaling van een klant inschat.
Machine learning
Classificatie
Classification
Classificatie is een AI-methode die nieuwe gegevens in een van de vaste categorieën indeelt. Het model leert van veel voorbeelden waarvan de categorie al bekend is en zoekt zelf een patroon, anders dan software die alleen vooraf bedachte regels volgt. Een mailfilter markeert zo elk binnenkomend bericht als spam of als geen spam, zodat het postvak vooral echte berichten toont aan gebruikers.
Machine learning
Clusteranalyse
Cluster analysis
Clusteranalyse is een methode die een verzameling objecten indeelt in groepen, clusters genoemd. Objecten in dezelfde cluster lijken meer op elkaar dan op objecten in andere clusters, omdat het systeem kenmerken vergelijkt en gelijksoortige objecten bij elkaar zet. Onderzoekers gebruiken clusteranalyse bij het verkennen van gegevens, bijvoorbeeld om beelden te groeperen, documenten met een vergelijkbaar onderwerp terug te vinden of patronen te herkennen.
Machine learning
Clustering
Clustering
Clustering is een taak in machine learning waarbij een algoritme groepen van vergelijkbare voorbeelden zoekt in gegevens zonder labels. Het systeem leert niet van vooraf gegeven antwoorden, maar vergelijkt de voorbeelden zelf en deelt nieuwe gevallen in bij de groep die het meest lijkt. Een webwinkel gebruikt clustering om klanten met een vergelijkbaar koopgedrag samen te brengen, zonder die groepen vooraf te benoemen.
Machine learning
Cobweb
Cobweb
Cobweb is een incrementeel systeem voor hiërarchische conceptuele clustering (groeperen in een boom van begrippen), bedacht door Douglas H. Fisher. Het ordent waarnemingen stap voor stap in een classificatieboom: elk knooppunt is een klasse en vat de kansverdeling van de kenmerken van de objecten daaronder samen. Met die classificatieboom voorspelt het systeem ontbrekende kenmerken van een object of de klasse van een nieuw object.