Discriminatieve modellen leren datapunten van elkaar te onderscheiden door rechtstreeks de grens tussen klassen te bepalen – ze beantwoorden de vraag ‘Tot welke categorie behoort deze invoer?’. Voorbeelden zijn logistische regressie, support vector machines en veel neurale classificeerders, bijvoorbeeld voor spamdetectie. Generatieve modellen leggen daarentegen vast hoe de data zelf ontstaat en kunnen daardoor nieuwe voorbeelden produceren.
Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.
Demo startenGeneratieve AI verwijst naar AI-systemen die nieuwe inhoud creëren – tekst, beeld, audio, video of programmacode – in plaats van bestaande gegevens alleen te sorteren of te beoordelen. Ze zijn gebaseerd op modellen die patronen leren uit grote hoeveelheden data en die gebruiken om aannemelijke nieuwe uitvoer te produceren. In het bedrijfsleven wordt het bijvoorbeeld gebruikt om e-mails, samenvattingen, productbeschrijvingen of beeldideeën op te stellen. Resultaten kunnen fouten bevatten en moeten vóór gebruik worden gecontroleerd.
Logistische regressie is een statistische methode die de kans op een van twee uitkomsten voorspelt, zoals “koopt” of “koopt niet”. Ze weegt de invoerkenmerken en zet hun som met een S-vormige functie om in een waarde tussen 0 en 1. Omdat de gewichten eenvoudig te interpreteren zijn, wordt ze veel gebruikt bij kredietscoring, in de geneeskunde en in marketing, vaak als solide referentiepunt voor complexere modellen.
Een classificeerder is een model of methode die invoer toewijst aan een van meerdere vooraf bepaalde categorieën. Klassieke varianten zoals beslisbomen of naive Bayes worden getraind op gelabelde voorbeelden; taalmodellen kunnen teksten ook sorteren aan de hand van een beschrijving van de categorieën. Typische toepassingen zijn spamdetectie, het sorteren van klantvragen op onderwerp en het categoriseren van bonnen. De kwaliteit wordt gemeten met maten zoals nauwkeurigheid, precisie en recall.
Naive Bayes is een familie van eenvoudige classificatiemethoden die gebaseerd zijn op de stelling van Bayes. Ze heten “naïef” omdat ze aannemen dat alle kenmerken onafhankelijk van elkaar zijn, wat in de praktijk zelden klopt maar vaak toch goede resultaten oplevert. De methoden zijn snel, hebben weinig trainingsgegevens nodig en zijn bijzonder geschikt voor tekst. Een klassiek voorbeeld is het spamfilter dat e-mails sorteert op basis van typerende woorden.
