Wat is machine learning

Voordat we kunnen definiëren wat machine learning-algoritmes zijn, moeten we eerst kijken wat machine learning precies is. In principe is machine learning niets meer of minder dan een computer die problemen leert oplossen, zonder dat hij daarvoor expliciet geprogrammeerd is. Machine learning onderzoekt de algoritmes en wiskundige modellen die computersystemen gebruiken om ervoor te zorgen dat ze bepaalde, specifieke taken langzaam maar zeker steeds beter uitvoeren. Deze technologie is gebaseerd op het idee dat systemen kunnen leren van gegevens en informatie, patronen kunnen ontdekken en zelfstandig beslissingen kunnen nemen.

Machine learning-algoritmes zijn de processen en regels die een computer volgt om een specifiek probleem op te lossen. Deze algoritmes ontvangen en analyseren gegevens om resultaten met een acceptabele mate van zekerheid te voorspellen. Naarmate de algoritmes meer gegevens ontvangen, worden ze 'slimmer' en passen ze hun processen aan om hun prestaties te optimaliseren en vormen de basis voor een succesvol onderzoek of succesvolle onderwijsactiviteit

Maar waar vindt u de data die u nodig heeft voor uw verschillende data-initiatieven? 

Ontdek Nexis® Data as a Service

De vier categorieën van machine-learning algoritmes

Machine learning-algoritmes zijn onder te verdelen in vier categorieën:
  1. Gecontroleerd leren
    Met gecontroleerd leren wordt bedoeld dat de computer leert van voorbeelden. Een mens geeft het algoritme een bekende dataset met gewenste inputs en outputs en het algoritme moet een manier vinden om deze inputs en outputs te realiseren. Dit betekent dat het patronen moet herkennen in de gegevens, leren van observaties en voorspellingen moet doen die door de mens worden gecorrigeerd. Dit gaat door totdat het algoritme een bepaalde mate van nauwkeurigheid heeft bereikt.
  2. Semigecontroleerd leren  
    Bij semigecontroleerd leren wordt gebruikgemaakt van 'gelabelde' en 'ongelabelde' informatie. Gelabelde informatie is informatie die ge-tagged is zodat het algoritme haar kan gebruiken, terwijl ongelabelde informatie geen tags bevat. Op basis van deze twee varianten kunnen machine learning-algoritmes leren om de ongelabelde gegevens te 'labelen'.
  3. Ongecontroleerd leren
    Bij ongecontroleerd leren onderzoekt het machine learning-algoritme gegevens om patronen te herkennen, zonder menselijke ondersteuning. De computer bepaalt de verbindingen en onderlinge relaties door de beschikbare gegevens te analyseren. Het machine learning-algoritme moet zelfstandig grote hoeveelheden informatie analyseren, organiseren en verwerken. Naarmate het algoritme meer gegevens onderzoekt, wordt zijn besluitvorming steeds beter.
  4. Ondersteund leren
    Ondersteund leren betekent dat de computer een specifieke set met regels, waaronder handelingen, parameters en waarden, ontvangt. Op basis van deze regels onderzoekt het machine learning-algoritme verschillende mogelijkheden, waarbij het de uitkomsten van iedere mogelijkheid in de gaten houdt en evalueert om tot de best mogelijke oplossing te komen. Bij deze methode leert de computer dus van zijn eigen fouten.

Machine learning optimaliseren met Nexis Data as a Service

U kunt uw processen optimaliseren met machine learning, en Nexis Data as a Service (DaaS) kan u daarbij helpen.

Nexis DaaS verzamelt de gegevens die u nodig heeft voor predictive analytics, zodat u de financiële, juridische, strategische en reputatierisico's van uw organisatie kunt identificeren. Deze gegevens omvatten o.a.:

  • een uitgebreide collectie gelicentieerde en internationale nieuwsgegevens met wel 40 jaar aan archiefmateriaal
  • een divers aanbod nieuws, blogs en social-mediareacties van het internet
  • bedrijfs- en branche-informatie -sanctielijsten, volglijsten en lijsten van politiek prominente personen (PEP's)
  • juridische gegevens zoals rechtbankverslagen en octrooigegevens

Nexis DaaS is beschikbaar in verschillende API's, zodat u altijd een oplossing vindt die aansluit bij de contentbehoeften, technologieën en risicobeperkingspraktijken van uw organisatie.

Meer weten? Vraag een gesprek aan via het formulier. U kunt ook toegang krijgen tot onze ontwikkelaars portal waarin u voorbeelden kunt zien van de data die wij aanbieden.

Neem contact met ons op

E-mail: support@lexisnexis.eu
Telefoonnummer: +31 (0) 20 485 3456