Een voorbeeld van Supervised en Unsupervised Learning

Supervised learning maakt gebruik van gelabelde datasets. Dit betekent dat de gegevens in de dataset vooraf zijn gelabeld met de juiste uitkomsten. Het doel van het model is om een patroon te vinden tussen de invoer en de uitvoer, zodat het de uitvoer kan voorspellen op basis van nieuwe invoer. Een voorbeeld hiervan is het trainen van een model om foto's van honden en katten te herkennen op basis van een vooraf gelabelde dataset.

Unsupervised learning daarentegen maakt gebruik van ongelabelde datasets. Dit betekent dat er geen vooraf gedefinieerde uitkomst is, maar het model moet zelf patronen in de data ontdekken. Het doel is om de gegevens te groeperen op basis van hun overeenkomsten. Een voorbeeld hiervan is het clusteren van klanten op basis van hun aankoopgedrag, om te bepalen welke klanten het meest op elkaar lijken.

Als mkb bedrijf kunt u bijvoorbeeld supervised learning gebruiken om het gedrag van uw klanten te voorspellen op basis van historische aankoopgegevens. U kunt onderscheid maken tussen verschillende soorten klanten en hun gedrag analyseren om toekomstige aankopen te voorspellen. Unsupervised learning kunt u bijvoorbeeld gebruiken om nieuwe groepen van klanten te identificeren die zich op een vergelijkbare manier gedragen, en hierop uw marketing en verkoopstrategie aanpassen.