Machine Learning en Sentiment Analyse

Het proces van het vinden van verborgen patronen en trends in datasets, zonder vooraf gedefinieerde labels. Denk aan het sorteren van data in verschillende groepen op basis van overeenkomsten.

Een leermethode waarbij de relatie tussen inputs en outputs wordt geleerd, zodat het model nieuwe, ongeziene data kan voorspellen en fouten tussen voorspellingen en werkelijke labels minimaliseert.

Een techniek die wordt gebruikt in gestructureerde modellen, zoals support vector machines, neurale netwerken en regressiemogelijkheden om data klaar te maken voor analyse. Dit omvat taken zoals het vullen van ontbrekende waarden, het omzetten van categorische variabelen in numerieke representaties en het normaliseren van variabelen om betere prestaties te garanderen.

Het proces van het transformeren van ruwe data in een meer interpreteerbare en bruikbare vorm, terwijl de integriteit van de data behouden blijft.

De laatste stap na het trainen van een machine learning model, waarbij het gebruikte model wordt aangepast om de nauwkeurigheid en stabiliteit van de voorspellingen te verbeteren.

Een techniek die wordt gebruikt om de prestaties van een algoritme te evalueren op een set data. Deze metrics meten hoe goed het model is getraind en hoe goed het ongeziene data kan voorspellen.

Deze technieken omvatten lineaire regressie, logistische regressie, support vector machines en neurale netwerken, die worden gebruikt om relaties tussen variabelen te begrijpen en voorspellingen te doen.

Deze technieken omvatten clustering, dimensionaliteitsreductie en associatieregelmining, die worden gebruikt om patronen en structuur te ontdekken in ongemerkte data.

Het groeperen van vergelijkbare datapunten, waardoor complexiteit wordt verminderd.

Een clustering techniek die de data in k-clusters verdeelt, waarbij elk datapunt tot de dichtstbijzijnde cluster wordt toegewezen.

Een clustering techniek die een boomstructuur van clusters bouwt, van algemene naar specifieke.

Het proces van het verminderen van het aantal kenmerken in een dataset, terwijl belangrijke informatie bewaard blijft.

Een techniek die data in lagere dimensies projecteert, waarbij de belangrijkste variatie gehandhaafd blijft.

Een visualisatietechniek die data (hoog-dimensionaal) projecteert in 2D/3D, waarbij de structuur behouden blijft

Het analyseren van grote datasets om relaties tussen variabelen te vinden.

Een type van supervised learning dat de waarde van onbekende data voorspelt door onafhankelijke en afhankelijke variabelen te combineren.

Een techniek in data-analyse die de toon of emotie van tekst bepalt, zoals positief, negatief of neutraal. Bijvoorbeeld: Het analyseren van online recensies om te bepalen of mensen tevreden zijn met een product.

Een machine learning-algoritme dat een nieuw datapunt classificeert door te kijken naar de k dichtstbijzijnde datapunten (buren) in de dataset. De classificatie wordt bepaald door de meerderheid van de klassen waartoe deze buren behoren.

Een probabilistisch classificatie-algoritme dat ervan uitgaat dat alle kenmerken onafhankelijk van elkaar zijn, zelfs als dat in werkelijkheid niet zo is. Het is snel, eenvoudig en goed geschikt voor kleine datasets, en wordt vaak gebruikt bij tekstclassificatie zoals spamfiltering.

Gebruikt een boomachtige structuur om beslissingen te nemen op basis van de inputs. Verdeelt de data in takken, conditioneert ze en leidt tot eindvoorspellingen bij de onderste bladeren.

Een type machine learning-model dat bestaat uit lagen van neuronen, geïnspireerd door de werking van de hersenen. Het leert uit data en kan complexe patronen herkennen.

Een speciaal type neuraal netwerk met meerdere lagen neuronen, geschikt voor complexe taken zoals beeldherkenning en natuurlijke taalverwerking.

Een symmetrische verdeling, gecentreerd rond het gemiddelde. De meeste waarden liggen dichtbij het gemiddelde, met steeds minder waarden verder weg. Denk aan IQ-scores.

Een verdeling vergelijkbaar met de normale verdeling, maar met bredere staarten. Dit betekent dat er meer variabiliteit is in de data. Gebruik deze verdeling voor kleine steekproeven.

Een verdeling die het aantal gebeurtenissen in een vaste tijd of ruimte modelleert. De waarschijnlijkheid van een gebeurtenis is afhankelijk van de frequentie van eerdere gebeurtenissen.

Een verdeling die de kans op succes of falen bij een enkele poging meet. De kans op succes is constant in elke poging.

Een verdeling die de kans meet om een bepaald aantal successen te behalen in een vast aantal pogingen, waarbij elke poging onafhankelijk is.

Een verdeling die de tijd tussen twee opeenvolgende gebeurtenissen modelleert. De kans dat het langer duurt tot de volgende gebeurtenis neemt exponentieel af.

Een methode om de prestaties van een machine learning-model te beoordelen. De dataset wordt in 'k' subsets verdeeld (folds) en het model wordt herhaaldelijk getraind en geëvalueerd op verschillende folds.

Een kunstmatig neuraal netwerk met meerdere lagen tussen de invoer- en uitvoerlagen.

Een type kunstmatig neuraal netwerk dat voornamelijk wordt gebruikt voor beeldherkenning en -verwerking, doordat het patronen in beelden kan herkennen.

Een neuraal netwerk dat is ontworpen om gegevensreeksen (zoals tijdreeksen of tekst) te verwerken door eerdere invoer te onthouden en te gebruiken om een bijbehorende reeks voorspellingen of outputwaarden te genereren.

Analyseert gegevens die worden gepresenteerd als een grafiek.

Analyseert menselijke tekstuele data van bronnen zoals sociale media or enquêtes.

Systemen die gepersonaliseerde aanbevelingen doen door patronen in gebruikersgedrag en voorkeuren te analyseren.

Het doel is om computers te trainen om patronen en relaties te herkennen in data en daarop gebaseerde beslissingen of voorspellingen te maken zonder expliciete programmering.

Generatieve AI's die data/antwoorden genereren op basis van specifieke gebruikersinput/verzoeken. Voorbeeld: ChatGPT.

De verhouding tussen het aantal correct geclassificeerde positieve voorbeelden en het totale aantal positieve voorbeelden in de dataset.

Een metriek die de balans tussen precisie en recall meet. Handig voor datasets met een ongelijk aantal voorbeelden in elke klasse.

De mate van asymmetrie in een verdeling. Een scheve verdeling heeft een lange staart aan één kant.

Signaleert dat er meer waarden aan de ene kant van het gemiddelde zijn dan aan de andere.

Signaleert dat er meer waarden aan de andere kant van het gemiddelde zijn dan aan de ene.

Ontbrekende waarde is volledig onafhankelijk van geobserveerde en ontbrekende data. Bv: beschadigd enquêteformulier.

Ontbrekende waarde hangt samen met geobserveerde waarde, maar niet met ontbrekende waarden zelf. Bv: oudere deelnemers missen BMI.

Ontbrekende waarde is gerelateerd aan ontbrekende waarden zelf. Bv: Personen met hoog inkomen verbergen hun salaris.