Wat is machine learning? Algoritmes, modellen, toepassingen en een 8-stappenplan

Wat is machine learning?

Machine learning (ML) staat vol in de schijnwerpers, en dat is logisch: het verbeterpotentieel voor organisaties is groot. Tegelijk staan de impact en uitlegbaarheid van algoritmes in het particuliere en publieke domein ter discussie. Met dashboards, rapporten en data analytics brachten we jarenlang de grote en relatief eenvoudige verbanden in gegevens aan het licht. Machinelearningmodellen leggen nu ook de kleinere, subtielere en complexere patronen bloot. Onze definitie:

Machine learning is een verzameling van zelflerende algoritmes die in staat zijn om zelfstandig patronen te ontdekken op basis van gestructureerde en ongestructureerde data en betrouwbare voorspellingen te doen die beslissingen van organisaties ondersteunen.

Andere definities

Machine learning is oorspronkelijk in de jaren vijftig gedefinieerd als een vakgebied dat computers laat leren zonder dat je ze expliciet hoeft te programmeren (Samuel, 1959). Een andere gangbare definitie: machine learning is de studie van computeralgoritmes waarmee computerprogramma’s automatisch kunnen verbeteren door ervaring (Mitchell, 1997). Beide doen recht aan het zelflerende karakter: de algoritmes leren door patronen te herkennen in de data.

Machine learning, AI, data science en BI

• AI: artificial intelligence is het overkoepelende vakgebied dat zich bezighoudt met het ontwikkelen van intelligentie buiten het menselijk brein. Machine learning is het specialistische onderdeel dat zelflerende algoritmes ontwikkelt.
• Data science: data science is een interdisciplinair vakgebied dat wetenschappelijke methoden gebruikt om kennis en inzichten aan data te onttrekken. Het maakt gebruik van subdomeinen van machine learning zoals classificatie, clusteranalyse en datamining.
• BI: business intelligence en machine learning gebruiken beide intensief data om betere beslissingen te nemen. BI gaat vooral om rapporten, dashboards en eenvoudige analyses; machine learning graaft veel dieper en ontdekt de patronen die voor het menselijk oog onzichtbaar blijven.
• Data analytics: van de vier hoofdstromen (beschrijvend, verklarend, voorspellend en voorschrijvend) houdt machine learning zich vooral bezig met predictive analytics.

Een handig rijtje van data scientist David Robinson (2017): data science levert inzichten, machine learning levert voorspellingen en artificial intelligence levert acties.

Kenmerken van machinelearningmodellen

• Een grotere verzameling data met veel verschillende kenmerken: big data.
• Het ontdekken van complexe verbanden en patronen die voor een mens vaak niet in één oogopslag zichtbaar zijn.
• De probleemstelling staat vooraf vast; de data die daarbij nodig is niet.
• Soms is de doelvariabele bekend (supervised) en soms niet (unsupervised).
• Goede modellen zijn reken- en kennisintensief.

3 soorten machinelearningmodellen

Supervised learning

Het algoritme leert onder supervisie van een leraar of expert, die de inputdata labelt en het algoritme vertelt naar welke doelvariabele het moet zoeken: het juiste antwoord wordt vooraf gegeven. Bij het classificeren van vakantiefoto’s geeft de supervisor bijvoorbeeld aan op welke foto’s een kerk staat. Langzaamaan gaat het algoritme foto’s met kerken herkennen. Dat houd je vol totdat het voldoende getraind is en hoog scoort, waarna het model nieuwe foto’s kan beoordelen.

Unsupervised learning

Het algoritme krijgt een set data en gaat zelf, zonder supervisie en zonder doelvariabele, op zoek naar associaties, categorieën en clusters. Het probeert automatisch structuur te vinden. De uitkomsten kunnen minder voorspelbaar zijn dan bij supervised learning, omdat er geen juist antwoord is, en daardoor is het succes ook moeilijker te meten.

Reinforcement learning

Een agent, bestaande uit een of meer algoritmes, krijgt alleen de regels van het spel mee. Met slimme trial-and-error zoekt die een weg naar een oplossing. Slaat de agent de juiste weg in, dan krijgt die een beloning; bij een onvoordelige afslag volgt straf. Deze vorm wordt veel toegepast in zelfrijdende auto’s, die het optimum moeten vinden tussen snelheid, veiligheid en comfort, en bij het besturen van de armen en benen van een robot. Er bestaat ook een hybride tussenvorm: semi-supervised learning.

Leren met versus zonder supervisie

De twee meest gebruikte soorten naast elkaar.

Deep learning versus machine learning

Deep learning is een subcategorie van machine learning die de werking van het menselijk brein probeert na te bootsen. De term ‘deep’ verwijst naar het aantal lagen in het neurale netwerk. Toepassingen zijn onder meer beeld- en spraakherkenning, vertalen en het beoordelen van medische scans. Zo kan een deeplearningalgoritme verschillende vormen van dementie vroegtijdig herkennen.

10 populaire toepassingen van machine learning

1. Aanbevelingen: filmsuggesties op Netflix, koopaanbevelingen op Amazon en contactvoorstellen op LinkedIn. Webshops gebruiken machine learning voor personalisatie, contextuele zoekresultaten en chatbots.
2. Onregelmatigheidsdetectie: je richt je op de uitzonderingen, de outliers: fraude detecteren of spam filteren.
3. Dynamische beprijzing: algoritmes variëren de prijs automatisch, afhankelijk van de prijzen van concurrenten, het tijdstip, de vraag en het beschikbare aanbod. Veel toegepast door luchtvaartmaatschappijen en hotels.
4. Voorspellend onderhoud: voorkomt ongeplande downtime van dure machines en installaties en bespaart op onnodig onderhoud, omdat je het precies op het juiste moment doet.
5. Process mining: gespecialiseerde algoritmes toegepast op event logs, om procesafwijkingen te ontdekken en toekomstige processen beter te voorspellen. Zie process mining.
6. Ordehandhaving: de politie gebruikt cameratoezicht en data van intelligente camera’s en microfoons om criminaliteitshotspots in kaart te brengen en te voorspellen waar en wanneer criminaliteit optreedt (predictive policing).
7. Filebestrijding: adaptive signal control past stoplichten automatisch aan de verkeersdrukte aan.
8. Algoritmische beschikkingen: ministeries en uitvoeringsorganisaties gebruiken algoritmes voor hun beschikkingen, bijvoorbeeld bij belastingen en de automatische afhandeling van verkeersboetes.
9. Robotrechtspraak: zoeken in jurisprudentie en daarin patronen ontdekken. Een robotrechter blijft toekomstmuziek, maar in de VS wordt geëxperimenteerd met software die de kans op recidive inschat.
10. Gerobotiseerde dienstverlening: gemeenten zetten chatbots en robotic process automation (RPA) in om de dienstverlening te verbeteren en de administratieve druk te verlichten.

Hoe werkt machine learning? Een 8-stappenplan

1. Formuleer een heldere probleemstelling of businesscase, bij voorkeur als onderzoeksvraag: hoe kan een woningcorporatie het noodzakelijke onderhoud aan woningen voorspellen en inplannen?
2. Verzamel zoveel mogelijk historische data. Beperk je niet tot interne gegevens; betrek ook externe bronnen zoals het CBS en brancheorganisaties. Vraag je af welke data je nog mist. Daarmee voorkom je in deze fase al biases.
3. Prepareer je data. Ruwe data komt in verschillende formaten en laat te wensen over in integriteit, consistentie en logica. Met data cleaning maak je er trainingsdata van.
4. Kies het juiste algoritme. Algoritmes zijn ingedeeld in families zoals aanbeveling, classificatie, clustering, anomaliedetectie, regressie en tekstanalyse. Het kan lonen om verschillende algoritmes met elkaar te laten concurreren.
5. Train het model. Het algoritme krijgt de trainingsdata aangeboden en zoekt zelfstandig naar een manier om tot een correct antwoord te komen.
6. Test het model. Een tweede, afgesplitste testdataset wordt gebruikt om te controleren hoe nauwkeurig het model voorspelt. Accepteer geen slechte uitkomst.
7. Evalueer en verbeter het model met bewezen statistische technieken zoals k-voudige kruisvalidatie: je splitst de trainingsdata in subsets, traint op een deel en valideert op de rest, en herhaalt dat.
8. Publiceer het model en leg het uit. Vergeet na de uitrol naar productie niet uit te leggen hoe het algoritme tot stand is gekomen. Voor veel collega’s is een model een black box die ze met enige argwaan begroeten.

Overfitting en underfitting

De afstemming van machinelearningmodellen luistert nauw. Zowel overfitting als underfitting zorgt ervoor dat het model suboptimaal functioneert: het voorspelt goed op de trainingsdataset, maar gaat de mist in op testdata of werkelijke data.

• Overfitting: het algoritme leerde verbanden te zien in de trainingsdata die er in nieuwe data niet zijn. Het model is te specifiek: het heeft te veel parameters en ‘onthoudt’ de trainingsdata in plaats van te generaliseren. Een remedie is trainen met meer, en meer diverse, gegevens.
• Underfitting: het model is te generalistisch en kan niet goed specificeren. De trainingsperiode verlengen kan helpen.

Maak vaart met AutoML

Geautomatiseerde machine learning, meestal afgekort tot AutoML, is eigenlijk een doe-het-zelfpakket om je eigen model te bouwen. Een model handmatig ontwikkelen is tijdrovend, omdat een aantal stappen steeds terugkomt en het vergelijken van tientallen modellen en algoritmes veel tijd en domeinkennis vergt. AutoML automatiseert dat proces grotendeels: een trainingsdataset selecteren, een algoritme kiezen, het model trainen en rapporteren hoe de verschillende modellen presteren. Kun je machine learning met AutoML helemaal aan leken overlaten? Verre van: machine learning blijft een echt vak dat een zekere basiskennis veronderstelt.

Trends in machine learning

• De roep om wet- en regelgeving, zoals algoritmeregisters die het mogelijk maken algoritmes te vergelijken en te beoordelen, klinkt steeds luider.
• Er gaan steeds meer stemmen op voor een keurmerk voor algoritmes, met het oog op transparantie en uitlegbaarheid.
• Door de opmars van het internet of things en embedded microcontrollers ontstaat een nieuwe subcategorie: TinyML, waarmee je sensordata analyseert op apparaten met een extreem laag stroomverbruik.
• Generatieve modellen produceren nieuwe content zoals niet-bestaande gezichten, stemmen en teksten. Overheden proberen de schaduwkant, deepfakes, de kop in te drukken. Zie generatieve AI.

Machinelearningtechnieken

Machinelearningmodellen gebruiken verschillende basistechnieken en soorten algoritmes. Die variëren van eenvoudige functies, business rules, beslisbomen en clusteranalyses tot lineaire regressie, logistische regressie, bayesiaanse netwerken en genetische algoritmes.

Meer generieke technieken zijn datamining (verbanden vinden in gestructureerde data), text mining (hetzelfde voor ongestructureerde data zoals tekst) en natural language processing (het lezen, begrijpen en produceren van menselijke taal door computers).

5 tips voor machine learning

1. Begin with the end in mind, zoals Stephen Covey adviseerde. Projecten hebben de hoogste slagingskans als je je richt op een specifiek, urgent probleem met impact op je bottom line. KPI’s zijn het uitgelezen vertrekpunt.
2. Breng verschillende kennisdomeinen bij elkaar om het probleem te definiëren en in te kaderen. Start met een eenvoudig model en temper de verwachtingen als die te hoog gespannen zijn.
3. Beperk extra bewerkingen. Machine learning is zeer rekenintensief. Zet bij gestructureerde data alle benodigde data klaar in één plat bestand.
4. Vind het wiel niet opnieuw uit. Gebruik de beschikbare platforms, kant-en-klare bibliotheken, cheat sheets en AutoML.
5. Weeg de context van de historische trainingsdata mee. Culturele factoren kunnen de variabelen kleuren, waardoor biases in de trainingsdata sluipen. Discriminatie van bepaalde groepen ligt altijd op de loer.

Verder lezen

• Predictive analytics: voorspellen met data.
• Neurale netwerken en beslisbomen.
• Data science: het bredere vakgebied.
• Artificial intelligence en generatieve AI.

Bronnen

• Samuel, A.L. (1959): Some Studies in Machine Learning Using the Game of Checkers. IBM Journal of Research and Development, 3(3).
• Mitchell, T.M. (1997): Machine Learning. McGraw-Hill.
• Robinson, D. (2017): What’s the difference between data science, machine learning, and artificial intelligence? Variance Explained.

Over de auteur

Daan van Beek

Daan is medeoprichter van Diamond Decisions en leidt de verdere groei. Hij helpt organisaties strategie te vertalen naar de dagelijkse praktijk met een mensgerichte benadering van datagedreven werken, en leert in elke sector waarin hij werkt iets nieuws.

Over Diamond Decisions

Diamond Decisions helpt organisaties beter te worden door betere beslissingen mogelijk te maken. We starten niet bij data, dashboards of AI, maar bij de beslissing die beter moet, en bouwen van daaruit terug naar KPI’s, data en technologie. Dat doen we in vier stappen: inspiratie en alignment, business modeling, analytics en dataplatform en datagedreven beslissers. Zo zorgen we dat BI en AI geen IT-project blijven, maar elke dag waarde opleveren.