Wat is het verschil tussen supervised en unsupervised learning?

Wat is het verschil precies?

Bij supervised learning geef je het model duizenden voorbeelden waarbij het juiste antwoord er al bij staat, en leert het de relatie tussen input en uitkomst. Bij unsupervised learning krijgt het model alleen de data en moet het zelf ontdekken welke structuur erin zit. Dit zijn de verschillen die er in de praktijk toe doen:

Dat rijtje met kosten wordt vaak vergeten en is in de praktijk doorslaggevend. Supervised learning is technisch eenvoudiger, maar iemand moet wel duizenden voorbeelden hebben gelabeld. Unsupervised learning start sneller, maar levert een uitkomst op die je zelf moet duiden.

Wanneer gebruik je unsupervised learning?

Als je wilt weten wat er in je data zit zonder dat je van tevoren weet wat je zoekt. Drie toepassingen komen het vaakst voor:

• Klantsegmentatie. Je laat het algoritme zelf groepen vinden in koopgedrag, in plaats van vooraf te bedenken welke klanttypen bestaan. Soms komen er segmenten uit waar niemand aan had gedacht.
• Anomaliedetectie. Het model leert wat normaal netwerkverkeer is en signaleert wat daarvan afwijkt. Handig in security, juist omdat je nieuwe aanvalstypen niet vooraf kunt labelen.
• Dimensiereductie. Een dataset met honderden kenmerken terugbrengen tot een handvol dat de meeste informatie bevat, zodat je hem kunt visualiseren of sneller kunt verwerken.

De valkuil zit in de interpretatie. Een algoritme dat je om vijf clusters vraagt, geeft je vijf clusters, ook als de data eigenlijk drie natuurlijke groepen bevat. Een uitkomst is pas waardevol als een mens er betekenis aan kan geven.

Welke vormen zijn er nog meer?

Drie, en ze zijn juist nu relevant. Bij semi-supervised learning heb je een kleine gelabelde set en een grote ongelabelde set, en gebruik je de eerste om de tweede te benutten. Dat is de realiteit in veel organisaties: wel data, nauwelijks labels.

Self-supervised learning genereert de labels uit de data zelf. Een taalmodel traint bijvoorbeeld door het volgende woord in een tekst te voorspellen, waarbij de tekst zelf het antwoord al bevat. Zo zijn de grote taalmodellen achter chatbots getraind, en daarom kon dat op een schaal die met handmatig labelen nooit haalbaar was geweest.

Reinforcement learning werkt met beloning in plaats van labels: het model probeert iets, krijgt feedback en stuurt bij. Dat is de aanpak achter spelende AI-systemen en robotica, en het speelt ook een rol bij het bijsturen van chatbots op menselijke voorkeuren. Wil je weten hoe die modellen onder de motorkap werken, dan gaat hoe je een neuraal netwerk traint daar dieper op in, en is AI hetzelfde als ChatGPT zet de begrippen breder op een rij.

Hoe kies je in de praktijk?

Meestal kies je niet, maar kiest je data voor je. Heb je historische gevallen met een bekende uitkomst, dan is supervised learning de logische route. Heb je alleen ruwe gegevens en geen budget om duizenden voorbeelden te laten labelen, dan begin je unsupervised.

Een werkwijze die vaak goed uitpakt: verken eerst unsupervised om te zien welke structuur er in je data zit, en gebruik dat inzicht om te bepalen wat je überhaupt wilt voorspellen. Pas daarna label je gericht een deel van je data voor een supervised model. Dat scheelt labelwerk en voorkomt dat je een model bouwt voor een vraag die er niet toe doet.

Hoe leer je hiermee werken?

Het onderscheid begrijpen kost een middag; ermee werken vraagt Python en data. Vrijwel alle machine learning gebeurt in Python, en de stap die de meeste mensen mist, is niet de theorie maar het opschonen en klaarzetten van data.

Wil je die basis leggen, dan is Introductie in Python bedoeld voor mensen zonder programmeerervaring. Werk je al met data en wil je Python daarvoor inzetten, dan sluit Introduction Python for Data Professionals beter aan. Zoek je eerst begrip van AI zonder te programmeren, dan is de AI-training voor beginners de logischere keuze. Het bredere aanbod staat bij datawetenschap en analyse.

Onze trainers zien in ruim 25 jaar opleidingservaring dat mensen die met machine learning beginnen zich vastbijten in algoritmekeuze, terwijl de kwaliteit van de data bijna altijd bepalender is voor het resultaat.

Conclusie

Supervised en unsupervised learning verschillen op één punt dat alle andere verschillen verklaart: heeft je data antwoorden of niet. Dat bepaalt wat je kunt doen, hoe je het resultaat beoordeelt en waar je geld en tijd in gaat zitten.

In de praktijk zijn het geen concurrenten maar volgordes: eerst kijken wat erin zit, dan gericht labelen, dan voorspellen. Wil je die stappen zelf leren zetten, bekijk dan de Python-trainingen of de AI-training voor beginners als je eerst het bredere plaatje wilt.