Klassieke Machine Learning
Algoritmen uit het pre-deep-learning tijdperk die nog dagelijks worden gebruikt.
45 termen live — streefgetal 45
45 termen
A
- AdaBoostKlassieke Machine Learning
Een slimme manier om meerdere 'zwakke' voorspelmodellen te combineren tot één sterk model, door steeds meer aandacht te geven aan de moeilijke gevallen waar eerdere modellen op mis gingen.
- Apriori AlgorithmKlassieke Machine Learning
Een algoritme dat patronen ontdekt in grote datasets door te kijken welke dingen vaak samen voorkomen — zoals producten die klanten tegelijk kopen.
- Association RuleKlassieke Machine Learning
Een patroon dat ontdekt welke dingen vaak samen voorkomen — zoals 'wie luiers koopt, koopt vaak ook bier'. Helpt bedrijven verbanden zien in data.
- Autoencoder-Based ReductionKlassieke Machine Learning
Een methode om complexe data te vereenvoudigen door een AI-model te trainen dat eerst informatie comprimeert en daarna weer probeert te reconstrueren — waarbij alleen de essentie overblijft.
B
C
- CatBoostKlassieke Machine Learning
Een machine learning-algoritme van Yandex dat beslisbomen slim combineert. Werkt goed met categorische data (zoals 'land' of 'kleur') zonder dat je die eerst moet omzetten naar getallen.
- Collaborative FilteringKlassieke Machine Learning
Een techniek waarmee systemen je voorkeuren voorspellen door te kijken naar wat mensen met soortgelijke smaak leuk vinden — zoals Netflix die films aanbeveelt op basis van wat kijkers met jouw kijkgedrag ook keken.
- Conditional Random FieldKlassieke Machine Learning
Een wiskundig model dat de meest logische reeks labels voorspelt door naar de hele context te kijken — handig voor taken waarbij woorden of gebeurtenissen van elkaar afhangen, zoals het herkennen van namen in tekst.
D
- DBSCANKlassieke Machine Learning
Een slimme manier om automatisch groepjes te vinden in data, zonder dat je van tevoren hoeft te zeggen hoeveel groepen er zijn — handig voor klantprofielen of fraudedetectie.
- Decision TreeKlassieke Machine Learning
Een beslisboom is een reeks ja/nee-vragen die een AI-model stelt om tot een conclusie te komen — zoals een stroomschema dat je stap voor stap naar een antwoord leidt.
E
F
- Factor AnalysisKlassieke Machine Learning
Een statistische techniek die patronen in grote datasets vindt door te kijken welke variabelen samen bewegen — alsof je ontdekt dat 'houdt van lezen', 'gaat naar musea' en 'kijkt documentaires' eigenlijk allemaal wijzen op één onderliggende eigenschap: 'culturele interesse'.
- FP-GrowthKlassieke Machine Learning
Een slimme rekenmethode die patronen ontdekt in grote datasets door niet alles één voor één te bekijken, maar slim te groeperen — zoals een kassamedewerker die ziet welke producten vaak samen worden gekocht.
G
- Gaussian Mixture ModelKlassieke Machine Learning
Een statistische techniek die complexe datasets opsplitst in meerdere groepen door te veronderstellen dat elk groepje punten voortkomt uit een andere 'klok-verdeling' — handig voor clustering en patroonherkenning.
- Gaussian ProcessKlassieke Machine Learning
Een statistische methode die niet één antwoord geeft, maar een wolk van mogelijke antwoorden met onzekerheid erbij — handig als je wilt weten hoe zeker AI van z'n voorspelling is.
- Gradient BoostingKlassieke Machine Learning
Een slimme manier om steeds betere voorspellingen te maken door simpele modellen achter elkaar te schakelen, waarbij elk volgend model de fouten van het vorige probeert te verbeteren.
H
- Hidden Markov ModelKlassieke Machine Learning
Een statistisch model dat verborgen toestanden raadt uit zichtbare signalen — zoals spraakherkenning die uit geluidsgolven woorden herkent.
- Hierarchical ClusteringKlassieke Machine Learning
Een techniek om data automatisch in groepen te sorteren door steeds de meest op elkaar lijkende dingen samen te voegen — of juist één grote groep steeds verder op te splitsen.
I
- Independent Component AnalysisKlassieke Machine Learning
Een wiskundige techniek die gemengde signalen uit elkaar haalt — zoals bij een druk feest het gesprek van één persoon eruit filteren. Wordt in AI gebruikt om data te ontwarren.
- IsomapKlassieke Machine Learning
Een techniek die complexe, hoogdimensionale data (zoals duizenden kenmerken) omzet naar een overzichtelijke 2D- of 3D-visualisatie, waarbij de werkelijke afstanden tussen datapunten behouden blijven.
K
- K-Means ClusteringKlassieke Machine Learning
Een algoritme dat automatisch groepjes (clusters) maakt in data door te kijken welke punten het meest op elkaar lijken — net zoals je vrienden sorteert op hobby's of interesses.
- K-MedoidsKlassieke Machine Learning
Een clustering-methode die datagroepen vormt rond echte datapunten in plaats van gemiddelden, waardoor het robuuster is tegen uitschieters dan K-Means.
- K-Nearest NeighborsKlassieke Machine Learning
Een simpele methode waarbij AI kijkt naar de dichtstbijzijnde voorbeelden in je data om een voorspelling te doen — zoals vragen aan je 5 meest vergelijkbare buren wat zij zouden doen.
- Kernel TrickKlassieke Machine Learning
Een wiskundige truc die zorgt dat Machine Learning-modellen patronen kunnen herkennen in data die niet in een rechte lijn te scheiden zijn — zonder dat je de data eerst zelf hoeft om te vormen.
L
- Lasso RegressionKlassieke Machine Learning
Een manier om een AI-model 'op te schonen' door te bepalen welke inputvariabelen echt belangrijk zijn en welke je beter kunt negeren — alsof je opruimt in een overvolle gereedschapskist.
- LightGBMKlassieke Machine Learning
Een razendsnelle methode om beslisbomen te combineren tot één slim voorspellingsmodel, vooral populair bij data-analisten die snel patronen in grote datasets willen vinden.
- Linear Discriminant AnalysisKlassieke Machine Learning
Een klassieke ML-techniek die data in groepen splitst door een optimale scheidingslijn te vinden — alsof je appels en peren scheidt op basis van gewicht en kleur.
- Linear RegressionKlassieke Machine Learning
Een manier om een rechte lijn door data te trekken, zodat je voorspellingen kunt doen — bijvoorbeeld: hoeveel verkoop je bij welke advertentiebudget?
- Locally Linear EmbeddingKlassieke Machine Learning
Een techniek die complexe, hoogdimensionale data omzet naar een simpelere weergave, waarbij de onderlinge verhoudingen tussen datapunten behouden blijven — zoals een kaart van een bol op plat papier.
- Logistic RegressionKlassieke Machine Learning
Een wiskundige techniek die computers leert om 'ja of nee'-beslissingen te nemen, zoals: is deze e-mail spam of niet? Ondanks de naam doet het geen voorspellingen maar maakt het keuzes tussen twee opties.
M
N
- Naive BayesKlassieke Machine Learning
Een simpel wiskundig recept dat kans gebruikt om dingen in te delen — bijvoorbeeld spam herkennen of sentiment bepalen. Gaat ervan uit dat kenmerken onafhankelijk van elkaar werken.
- Non-Negative Matrix FactorizationKlassieke Machine Learning
Een wiskundige techniek die grote datasets opsplitst in kleinere, begrijpelijke patronen — zoals het ontrafelen van muzieknummers in individuele instrumenten of het groeperen van klanten op basis van hun koopgedrag.
O
P
- Polynomial RegressionKlassieke Machine Learning
Een wiskundige methode die kromme lijnen door data tekent in plaats van rechte, zodat AI complexere patronen kan herkennen — zoals de boog van een bal of de groei van een bedrijf.
- Principal Component AnalysisKlassieke Machine Learning
Een statistische techniek die complexe datasets versimpelt door de belangrijkste patronen te vinden en minder relevante details weg te laten.
R
- Radial Basis FunctionKlassieke Machine Learning
Een wiskundige functie die afstanden meet vanaf een centraal punt, vaak gebruikt in machine learning om patronen te herkennen op basis van hoe dicht datapunten bij elkaar liggen.
- Random ForestKlassieke Machine Learning
Een slim stemproces waarbij tientallen beslisbomen samen tot een voorspelling komen — net zoals een groep experts betrouwbaarder is dan één persoon.
- Ridge RegressionKlassieke Machine Learning
Een techniek om je voorspellingsmodel stabieler te maken door grote uitschieters in de berekening een beetje af te remmen — zodat je model niet te gevoelig wordt voor ruis in je data.
S
- Singular Value DecompositionKlassieke Machine Learning
Een wiskundige techniek om grote tabellen met data te vereenvoudigen door de belangrijkste patronen eruit te halen, zoals een foto comprimeren zonder de essentie te verliezen.
- StackingKlassieke Machine Learning
Een techniek waarbij je meerdere AI-modellen combineert om betere voorspellingen te krijgen — zoals een panel van experts die samen tot een besluit komen.
- Support Vector MachineKlassieke Machine Learning
Een algoritme dat data in categorieën verdeelt door de beste scheidslijn te vinden — alsof je een optimale hekje zet tussen appels en peren op een tafel.