Bij niet-gesuperviseerd leren krijgt een model gegevens zonder vooraf bepaalde juiste antwoorden en zoekt het zelf naar structuren. Typische methoden zijn clustering, dat vergelijkbare records groepeert, en dimensiereductie, die veel features terugbrengt tot een paar essentiële. Organisaties gebruiken het om klantsegmenten te ontdekken of ongebruikelijke transacties op te sporen; de gevonden groepen moeten daarna door vakexperts worden geïnterpreteerd.
Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.
Demo startenBij gesuperviseerd leren leert een model van voorbeelden waarvan het juiste antwoord al bekend is, zoals e-mails die als “spam” of “geen spam” zijn gelabeld. Daaruit leidt het regels af om nieuwe, onbekende gevallen te classificeren of waarden te voorspellen. Typische taken zijn classificatie en regressie; het meeste werk zit in het maken van zuiver gelabelde gegevens.
Clustering is een methode voor unsupervised learning die datapunten op basis van hun gelijkenis in groepen indeelt, zonder vooraf gedefinieerde categorieën. Zo komen patronen aan het licht die nog niemand had benoemd – bijvoorbeeld klantsegmenten met vergelijkbaar koopgedrag. Bij teksten helpt clustering om honderden klantvragen te sorteren in onderwerpen zoals levering, facturering of klachten, en laat het zien waar het zwaartepunt ligt.
K-means is een methode voor ongesuperviseerd leren die datapunten verdeelt in een vooraf bepaald aantal k groepen. Ze wijst elk punt toe aan het dichtstbijzijnde groepscentrum en blijft deze centra verschuiven totdat de toewijzingen nauwelijks nog veranderen. De methode is snel en makkelijk te begrijpen, maar vereist een zinvolle keuze van k en kenmerken op vergelijkbare schalen. Voorbeeld: klanten groeperen op aankoopfrequentie en winkelmandwaarde.
Dimensiereductie verlaagt het aantal kenmerken in een dataset zonder de essentiële informatie te verliezen. Bekende methoden zijn onder meer de hoofdcomponentenanalyse (PCA) en t-SNE en UMAP, die vaak voor visualisatie worden gebruikt. Het versnelt berekeningen, verkleint het risico op overfitting en maakt data beter te overzien – bijvoorbeeld wanneer honderden klantkenmerken worden afgebeeld op een tweedimensionale grafiek waarin vergelijkbare klanten dicht bij elkaar liggen.
