Er zijn drie hoofdtypen van machine learning algoritmes:
Supervised Learning
Bij supervised learning trainen we het model met voorbeelden waarvan we de uitkomst al weten. Het doel is dat het model leert om nieuwe voorbeelden correct te labelen.
Voorbeelden van supervised learning zijn:
- Een model dat leert om spam e-mails te herkennen. We geven het model veel e-mails die we al gelabeld hebben als spam of niet-spam. Zo leert het model spam herkennen.
- Een model dat leert om katten en honden te herkennen op foto’s. We laten het model veel foto’s zien van dieren die we gelabeld hebben als kat of hond. Zo leert het dieren herkennen.
Unsupervised Learning
Bij unsupervised learning geven we het model ongelabelde data, zonder juiste antwoorden. Het model probeert zelf patronen en structuren te vinden in de data.
Voorbeelden van unsupervised learning zijn:
- Een model dat groepen van gelijkaardige klanten ontdekt in klantendata, om market segments te vinden.
- Een model dat afwijkingen en uitschieters vindt in complexe data, zoals fraudedetectie.
Reinforcement Learning
Bij reinforcement learning leert het model door te experimenteren in een omgeving. Het krijgt feedback in de vorm van beloning of straf voor goede of slechte acties. Zo leert het de optimale acties.
Voorbeelden zijn:
- Een robot die leert lopen door te oefenen en te vallen, tot hij de juiste bewegingen ontdekt.
- Game software die leert een spel te winnen door vele pogingen, zoals schaken of Pac-Man.
