100% satisfaction guarantee Immediately available after payment Both online and in PDF No strings attached
logo-home
Samenvatting - Introduction to Machine Learning (KI2V20001) $10.37
Add to cart

Summary

Samenvatting - Introduction to Machine Learning (KI2V20001)

 40 views  2 purchases
  • Course
  • Institution

Uitgebreide samenvatting van de lectures van Introduction to Machine Learning!

Preview 3 out of 19  pages

  • October 25, 2023
  • 19
  • 2020/2021
  • Summary
avatar-seller
Introduction to Machine Learning
HC1 - 28/04/2021 (CH 1 tot 1.2.3)
Wat is machine learning?
- Sommige problemen zijn moeilijk/niet op te lossen door ‘regels’ voor de computer te
programmeren
- Mensen leren door naar voorbeelden te kijken. Kunnen computers dat ook?
- Vb de videotheek vs Net ix met aanraden van goede lms, of Spotify met aanraden van goede
muziek, zelf-rijdende auto's, gezichtsherkenning, bonuskaart van de AH, Google Translate

Eigenschappen van een leerprobleem
- ML is toepasbaar als
- Er een patroon is
- Door het proberen te analyseren, het niet lukt om dit patroon te beschrijven
- Er gegevens zijn waar we uit kunnen leren -> we moeten data hebben
Onderdelen van een leerprobleem
- Op basis van welke gegevens zou je besluiten een lening wel/niet te verstrekken? -> schulden,
inkomen, opleiding, strafblad, hypotheek, leeftijd




Page 1 of 19




fl fi

,- Je geeft de computer gewichten een een hypothese. PLA gaat de datapunten af: de huidige
gewichtsfactoren worden ge-update zodat de datapunten wel goed komen te liggen.
- Het algoritme werkt alleen op lineair separable (scheidbaar) data, anders zou het nooit stoppen.
- Maar het doorzoekt wel een oneindig grote verzameling hypothesen
- Dit is een simpel maar krachtig algoritme; in de praktijk heb je er niet veel aan.
Nearest Neighbours
- Een andere combinatie van hypothese-ruimte en algoritme is nearest neighbours
- De hypothese-ruimte bestaat uit (bijna) alle functies van inputs naar outputs
- Het algoritme is heel eenvoudig
Typen leerproblemen
- Supervised learning
- Unsupervised learning
- Active learning
- Online learning
- Reinforcement learning
- Transfer learning




Page 2 of 19

, Voorbereiding-lectures HC2

-Input en output hebben een relatie, namelijk
f. Om die te vinden hebben we data nodig.
Index geeft aan welk geval het betreft, voor
leren vaak een grote n nodig.
-We moeten een hypothese-verzameling
hebben, zodat de computer alles kan gaan
proberen.
-Dan een algoritme zoeken die past op de
dataset. Dan komt er een hypothese g uit,
die hopelijk op f (de hypothese gebaseerd
op de trainingsdata lijkt)




Vergelijking: lineaire classi catie vs nearest
neighbours (2 hypotheses klassen)
- Linear: kijken naar perceptron, datapunten in de
input-ruimte scheiden
- Nearest neighbours: algoritme en hypothese-
klasse in 1, nieuwe datapunten worden
geclassi ceerd afgaande op de datapunten
eromheen
- Beste aanpak verschilt per leerprobleem
Typen leerprobleem:
- Supervised learning: gelabelde data, leeralgoritme scheidt ze
- Unsupervised learning: we vertellen niet het label van de dataset,
algoritme clustert zelf

Bij lineaire modellen vindt het algoritme een lijn. Je kan zelf kijken of
je het daar een beetje mee eens bent:
Lineaire classi er: som tussen gewicht en input




Page 3 of 19





fi fi fi

The benefits of buying summaries with Stuvia:

Guaranteed quality through customer reviews

Guaranteed quality through customer reviews

Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.

Quick and easy check-out

Quick and easy check-out

You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.

Focus on what matters

Focus on what matters

Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!

Frequently asked questions

What do I get when I buy this document?

You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.

Satisfaction guarantee: how does it work?

Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.

Who am I buying these notes from?

Stuvia is a marketplace, so you are not buying this document from us, but from seller diede26. Stuvia facilitates payment to the seller.

Will I be stuck with a subscription?

No, you only buy these notes for $10.37. You're not tied to anything after your purchase.

Can Stuvia be trusted?

4.6 stars on Google & Trustpilot (+1000 reviews)

53068 documents were sold in the last 30 days

Founded in 2010, the go-to place to buy study notes for 14 years now

Start selling
$10.37  2x  sold
  • (0)
Add to cart
Added