{"id":1232,"date":"2023-07-27T05:07:18","date_gmt":"2023-07-27T05:07:18","guid":{"rendered":"https:\/\/statorials.org\/nl\/het-machinaal-leren-stimuleren\/"},"modified":"2023-07-27T05:07:18","modified_gmt":"2023-07-27T05:07:18","slug":"het-machinaal-leren-stimuleren","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/het-machinaal-leren-stimuleren\/","title":{"rendered":"Een eenvoudige introductie tot het stimuleren van machine learning"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">De meeste <a href=\"https:\/\/statorials.org\/nl\/begeleid-versus-onbewaakt-leren\/\" target=\"_blank\" rel=\"noopener noreferrer\">machine learning-algoritmen onder toezicht<\/a> zijn gebaseerd op het gebruik van \u00e9\u00e9n enkel voorspellend model, zoals <a href=\"https:\/\/statorials.org\/nl\/meerdere-lineaire-regressie\/\" target=\"_blank\" rel=\"noopener noreferrer\">lineaire regressie<\/a> , <a href=\"https:\/\/statorials.org\/nl\/logistische-regressie-1\/\" target=\"_blank\" rel=\"noopener noreferrer\">logistische regressie<\/a> , <a href=\"https:\/\/statorials.org\/nl\/regressie-van-de-bergkam\/\" target=\"_blank\" rel=\"noopener noreferrer\">nokregressie<\/a> , enz.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Met methoden zoals <a href=\"https:\/\/statorials.org\/nl\/machine-learning-in-zakken-doen\/\" target=\"_blank\" rel=\"noopener noreferrer\">bagging<\/a> en <a href=\"https:\/\/statorials.org\/nl\/willekeurige-oefeningen\/\" target=\"_blank\" rel=\"noopener noreferrer\">willekeurige forests<\/a> worden echter veel verschillende modellen gebouwd op basis van herhaalde, bootstrapped samples van de oorspronkelijke dataset. Voorspellingen op basis van nieuwe gegevens worden gedaan door het gemiddelde te nemen van de voorspellingen van de afzonderlijke modellen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Deze methoden bieden doorgaans een verbetering in de nauwkeurigheid van de voorspelling ten opzichte van methoden die slechts \u00e9\u00e9n voorspellend model gebruiken, omdat ze het volgende proces gebruiken:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Bouw eerst individuele modellen met <a href=\"https:\/\/statorials.org\/nl\/bias-variantie-compromis\/\" target=\"_blank\" rel=\"noopener noreferrer\">een hoge variantie en weinig bias<\/a> (bijvoorbeeld diepgegroeide <a href=\"https:\/\/statorials.org\/nl\/classificatie-en-regressiebomen\/\" target=\"_blank\" rel=\"noopener noreferrer\">beslissingsbomen<\/a> ).<\/span><\/li>\n<li> <span style=\"color: #000000;\">Bereken vervolgens het gemiddelde van de voorspellingen van de afzonderlijke modellen om de variantie te verkleinen.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Een andere methode die de neiging heeft om een nog grotere verbetering in de voorspellende nauwkeurigheid te bieden, staat bekend als <strong>boosting<\/strong> .<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Wat is boosten?<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Boosting is een methode die bij elk type model kan worden gebruikt, maar wordt het vaakst gebruikt bij beslisbomen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Het idee achter boosten is simpel:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1. Bouw eerst een zwak model.<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Een \u2018zwak\u2019 model is een model waarvan het foutenpercentage slechts iets beter is dan een willekeurige schatting.<\/span><\/li>\n<li> <span style=\"color: #000000;\">In de praktijk is dit meestal een beslisboom met slechts \u00e9\u00e9n of twee divisies.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>2. Bouw vervolgens nog een zwak model op basis van de residuen uit het vorige model.<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">In de praktijk gebruiken we de residuen van het vorige model (dwz de fouten in onze voorspellingen) om een nieuw model in te passen dat het algehele foutenpercentage enigszins verbetert.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>3. Ga door met dit proces totdat de k-voudige kruisvalidatie aangeeft dat we moeten stoppen.<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">In de praktijk gebruiken we <a href=\"https:\/\/statorials.org\/nl\/k-voudige-kruisvalidatie\/\" target=\"_blank\" rel=\"noopener noreferrer\">k-voudige kruisvalidatie<\/a> om te bepalen wanneer we moeten stoppen met het ontwikkelen van het versterkte model.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Met behulp van deze methode kunnen we beginnen met een zwak model en de prestaties ervan blijven &#8222;verbeteren&#8220; door opeenvolgend nieuwe bomen te bouwen die de prestaties van de vorige boom verbeteren, totdat we een definitief model verkrijgen met een hoge voorspellende nauwkeurigheid.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-12199 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/booster1.png\" alt=\"Stimuleer machinaal leren\" width=\"363\" height=\"538\" srcset=\"\" sizes=\"auto, \"><\/p>\n<h3> <strong>Waarom werkt boosten?<\/strong><\/h3>\n<p> <span style=\"color: #000000;\">Het blijkt dat boosting enkele van de krachtigste modellen op het gebied van machinaal leren kan opleveren.<\/span><\/p>\n<p> <span style=\"color: #000000;\">In veel industrie\u00ebn worden versterkte modellen gebruikt als referentiemodellen in de productie, omdat ze de neiging hebben beter te presteren dan alle andere modellen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">De reden waarom versterkte sjablonen zo goed werken, komt neer op het begrijpen van een eenvoudig idee:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1.<\/strong> Ten eerste construeren de verbeterde modellen een zwakke beslissingsboom met een lage voorspellende nauwkeurigheid. Er wordt gezegd dat deze beslissingsboom een lage variantie en een hoge bias heeft.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2.<\/strong> Omdat de verbeterde modellen het opeenvolgende verbeteringsproces van eerdere beslissingsbomen volgen, kan het algehele model de vertekening bij elke stap langzaam verminderen zonder de variantie significant te vergroten.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>3.<\/strong> Het uiteindelijk aangepaste model heeft doorgaans een voldoende lage bias <em>en<\/em> variantie, wat leidt tot een model dat in staat is lage testfoutenpercentages op nieuwe gegevens te produceren.<\/span><\/p>\n<h3> <strong>Voor- en nadelen van boosten<\/strong><\/h3>\n<p> <span style=\"color: #000000;\">Het voor de hand liggende voordeel van boosting is dat het modellen kan produceren met een hoge voorspellende nauwkeurigheid in vergelijking met bijna alle andere typen modellen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Een mogelijk nadeel is dat een aangepast verbeterd model zeer moeilijk te interpreteren is. Hoewel het een enorm vermogen kan bieden om responswaarden van nieuwe gegevens te voorspellen, is het moeilijk uit te leggen welk proces het precies gebruikt om dit te bereiken.<\/span><\/p>\n<p> <span style=\"color: #000000;\">In de praktijk cre\u00ebren de meeste datawetenschappers en beoefenaars van machine learning verbeterde modellen omdat ze de responswaarden van nieuwe data nauwkeurig willen kunnen voorspellen. Het feit dat verbeterde modellen moeilijk te interpreteren zijn, is dus over het algemeen geen probleem.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Booster in de praktijk<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">In de praktijk worden er veel soorten algoritmen gebruikt voor het stimuleren, waaronder:<\/span><\/p>\n<ul>\n<li> <a href=\"https:\/\/xgboost.readthedocs.io\/en\/latest\/\" target=\"_blank\" rel=\"noopener noreferrer\">XGBoost<\/a><\/li>\n<li> <a href=\"https:\/\/en.wikipedia.org\/wiki\/AdaBoost\" target=\"_blank\" rel=\"noopener noreferrer\">AdaBoost<\/a><\/li>\n<li> <a href=\"https:\/\/catboost.ai\/\" target=\"_blank\" rel=\"noopener noreferrer\">ChatBoost<\/a><\/li>\n<li> <a href=\"https:\/\/lightgbm.readthedocs.io\/en\/latest\/\" target=\"_blank\" rel=\"noopener noreferrer\">LichtGBM<\/a><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Afhankelijk van de grootte van uw dataset en de verwerkingskracht van uw machine kan een van deze methoden de voorkeur verdienen boven de andere.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>De meeste machine learning-algoritmen onder toezicht zijn gebaseerd op het gebruik van \u00e9\u00e9n enkel voorspellend model, zoals lineaire regressie , logistische regressie , nokregressie , enz. Met methoden zoals bagging en willekeurige forests worden echter veel verschillende modellen gebouwd op basis van herhaalde, bootstrapped samples van de oorspronkelijke dataset. Voorspellingen op basis van nieuwe gegevens [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1232","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Een eenvoudige introductie tot het stimuleren van machinaal leren - Statorials<\/title>\n<meta name=\"description\" content=\"Deze tutorial biedt een korte introductie tot boosting, een populair algoritme voor ensemblemodellering in machine learning.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/nl\/het-machinaal-leren-stimuleren\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Een eenvoudige introductie tot het stimuleren van machinaal leren - Statorials\" \/>\n<meta property=\"og:description\" content=\"Deze tutorial biedt een korte introductie tot boosting, een populair algoritme voor ensemblemodellering in machine learning.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/nl\/het-machinaal-leren-stimuleren\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-27T05:07:18+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/booster1.png\" \/>\n<meta name=\"author\" content=\"Dr.benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr.benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"3\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/nl\/het-machinaal-leren-stimuleren\/\",\"url\":\"https:\/\/statorials.org\/nl\/het-machinaal-leren-stimuleren\/\",\"name\":\"Een eenvoudige introductie tot het stimuleren van machinaal leren - Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/nl\/#website\"},\"datePublished\":\"2023-07-27T05:07:18+00:00\",\"dateModified\":\"2023-07-27T05:07:18+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\"},\"description\":\"Deze tutorial biedt een korte introductie tot boosting, een populair algoritme voor ensemblemodellering in machine learning.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/nl\/het-machinaal-leren-stimuleren\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/nl\/het-machinaal-leren-stimuleren\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/nl\/het-machinaal-leren-stimuleren\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Thuis\",\"item\":\"https:\/\/statorials.org\/nl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Een eenvoudige introductie tot het stimuleren van machine learning\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/nl\/#website\",\"url\":\"https:\/\/statorials.org\/nl\/\",\"name\":\"Statorials\",\"description\":\"Uw gids voor statistische competentie\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/nl\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\",\"name\":\"Dr.benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr.benjamin anderson\"},\"description\":\"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder\",\"sameAs\":[\"http:\/\/statorials.org\/nl\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Een eenvoudige introductie tot het stimuleren van machinaal leren - Statorials","description":"Deze tutorial biedt een korte introductie tot boosting, een populair algoritme voor ensemblemodellering in machine learning.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/nl\/het-machinaal-leren-stimuleren\/","og_locale":"de_DE","og_type":"article","og_title":"Een eenvoudige introductie tot het stimuleren van machinaal leren - Statorials","og_description":"Deze tutorial biedt een korte introductie tot boosting, een populair algoritme voor ensemblemodellering in machine learning.","og_url":"https:\/\/statorials.org\/nl\/het-machinaal-leren-stimuleren\/","og_site_name":"Statorials","article_published_time":"2023-07-27T05:07:18+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/booster1.png"}],"author":"Dr.benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr.benjamin anderson","Gesch\u00e4tzte Lesezeit":"3\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/nl\/het-machinaal-leren-stimuleren\/","url":"https:\/\/statorials.org\/nl\/het-machinaal-leren-stimuleren\/","name":"Een eenvoudige introductie tot het stimuleren van machinaal leren - Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/nl\/#website"},"datePublished":"2023-07-27T05:07:18+00:00","dateModified":"2023-07-27T05:07:18+00:00","author":{"@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219"},"description":"Deze tutorial biedt een korte introductie tot boosting, een populair algoritme voor ensemblemodellering in machine learning.","breadcrumb":{"@id":"https:\/\/statorials.org\/nl\/het-machinaal-leren-stimuleren\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/nl\/het-machinaal-leren-stimuleren\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/nl\/het-machinaal-leren-stimuleren\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Thuis","item":"https:\/\/statorials.org\/nl\/"},{"@type":"ListItem","position":2,"name":"Een eenvoudige introductie tot het stimuleren van machine learning"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/nl\/#website","url":"https:\/\/statorials.org\/nl\/","name":"Statorials","description":"Uw gids voor statistische competentie","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/nl\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Person","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219","name":"Dr.benjamin anderson","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Dr.benjamin anderson"},"description":"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder","sameAs":["http:\/\/statorials.org\/nl"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/1232","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/comments?post=1232"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/1232\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/media?parent=1232"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/categories?post=1232"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/tags?post=1232"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}