Woordenlijst

Beslisboom

Wat is Beslisboom?

Een beslisboom is een model dat een beslissing weergeeft als een reeks eenvoudige ja/nee-vragen: elke tak toetst één kenmerk en elk blad geeft een uitkomst. Bij machine learning worden zulke bomen automatisch uit data geleerd en gebruikt voor classificatie of voorspelling. Hun grote kracht is transparantie – ze laten bijvoorbeeld zien waarom een kredietaanvraag is gemarkeerd op basis van inkomen, looptijd en betalingsverleden.

Hoe KI.ordo helpt

In KI.ordo-workflows kunnen eenvoudige beslispaden worden gemodelleerd met de bouwstenen ‘Voorwaarde’ (ja/nee) en ‘AI-beslisser’ (tot 8 categorieën).

Meer informatie

Onderwerpen

Machine learning
Inschatting
Transparantie

KI.ordo uitproberen

Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.

Demo starten

← Alle begrippen

Verwante begrippen

Random forest-regressie

Random forest-regressie voorspelt numerieke waarden door veel beslisbomen te combineren. Elke boom wordt getraind op een willekeurige steekproef van de gegevens en een willekeurige selectie van features; het resultaat is het gemiddelde van de voorspellingen van alle bomen. Daardoor is de methode robuuster en minder gevoelig voor overfitting dan één enkele boom. Ze wordt bijvoorbeeld gebruikt voor omzetprognoses, prijsschattingen of energievraag – vaak als solide uitgangspunt voor tabelgegevens.

regressie
ensemblemethode
+1

Gradient boosting

Gradient boosting is een machine-learningtechniek die veel eenvoudige modellen – meestal kleine beslisbomen – na elkaar combineert. Elke nieuwe boom wordt gericht getraind om de resterende fouten van de vorige te verkleinen. Het resultaat zijn zeer nauwkeurige modellen voor tabeldata, bijvoorbeeld voor kredietrisico, omzetvoorspellingen of de kans op klantenverloop. Bekende implementaties zijn XGBoost, LightGBM en CatBoost; zorgvuldige afstemming is nodig om overfitting te voorkomen.

Machine learning
Ensemblemethode
+1

Classificeerder

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.

Inschatting
Machine learning
+1

Sjabloon

Heuristieken

Heuristieken zijn vuistregels of vereenvoudigde strategieën die binnen redelijke tijd tot een goede, maar niet gegarandeerd optimale oplossing leiden. In de informatica en AI helpen ze enorme zoekruimten af te bakenen – bijvoorbeeld bij routeplanning, waar de hemelsbrede afstand tot de bestemming als schatting dient, of bij schaken, waar stellingen worden gewaardeerd. Ook mensen gebruiken heuristieken in het dagelijks leven en bij zakelijke beslissingen, met het risico van systematische denkfouten.

Probleemoplossing
Algoritmen
+1