Machine learning is tegenwoordig niet meer weg te denken uit moderne technologie. Van gezichtsherkenning tot het detecteren van fraude: algoritmen helpen ons voorspellingen te doen op basis van data. Maar hoe werkt dat precies? In deze blog duiken we in het kernidee van supervised machine learning, en bespreken we een aantal veelgebruikte algoritmen.
Het basisprincipe
Supervised learning draait om het vinden van een functie f(X) → Y. Of eenvoudiger gezegd: op basis van inputdata (X) probeert het algoritme een juiste voorspelling te doen van een uitkomst (Y). Hoe beter het model f(X) overeenkomt met de werkelijke Y, hoe beter het model functioneert.
De keuze voor een algoritme bepaalt hoe die functie f eruitziet. Laten we eens kijken naar een aantal veelgebruikte methoden.
1. Logistische regressie: eenvoudig en effectief
Logistische regressie is een klassieker in de wereld van machine learning. Het model is vooral geschikt voor binaire classificatieproblemen, zoals:
Is een e-mail spam of niet?
Gaat het om een frauduleuze transactie of een legitieme?
In plaats van een harde ‘ja’ of ‘nee’, voorspelt het model een kans op een bepaalde uitkomst. Omdat het een lineair model is, zoekt het in feite naar een scheidingslijn (of -vlak) tussen twee klassen.
Waarom gebruiken we het nog steeds?
Het is eenvoudig te begrijpen en goed te interpreteren.
Ideaal bij gestructureerde data met lage complexiteit.
Heeft zijn oorsprong in de statistiek van de 19e eeuw, maar blijft relevant door zijn betrouwbaarheid en transparantie.
2. Beslissingsbomen: als-dan-logica
Beslissingsbomen splitsen data op in logische beslisregels. Denk aan vragen als: “Is de temperatuur hoger dan 21 graden?” – afhankelijk van het antwoord wordt een andere weg in de boom gevolgd, tot er een voorspelling volgt aan het eind.
Voordelen:
Zeer goed te interpreteren: ideaal als je beslissingen moet uitleggen aan mensen zonder technische achtergrond.
Gebruikt entropie of informatieverlies om de optimale splitsingen te bepalen.
3. Random Forest: de kracht van samenwerking
Een random forest bestaat uit een ensemble van beslissingsbomen. Elke boom wordt getraind op een willekeurige subset van de data. De uiteindelijke voorspelling wordt bepaald door een meerderheid van stemmen (bij classificatie) of het gemiddelde (bij regressie).
Waarom werkt dit zo goed?
Het volgt het principe van de wijsheid van de menigte: meerdere middelmatige modellen samen kunnen verrassend accuraat zijn.
Het model is robuust tegen overfitting.
In de praktijk is het zeer populair vanwege de balans tussen nauwkeurigheid en interpretatie.
4. Neurale netwerken: leren van patronen
Neurale netwerken zijn geïnspireerd op de werking van het menselijk brein. Ze bestaan uit lagen met onderling verbonden knooppunten (neuronen), die samen complexe patronen kunnen herkennen in data.
Vooral bij diepe netwerken (deep learning), met meerdere verborgen lagen, ontstaat er een krachtige hiërarchie:
Ruwe data (zoals pixels)
→ lijnen en vormen
→ gezichtskenmerken
→ herkenning van een specifiek persoon
Voordelen:
Uitstekend geschikt voor ongestructureerde data, zoals afbeeldingen, tekst en audio.
Zeer hoge nauwkeurigheid bij grote en complexe datasets.
Nadeel:
De werking is moeilijk te verklaren. Daardoor staan neurale netwerken bekend als een “black box”: ze geven goede voorspellingen, maar het is vaak onduidelijk waarom.