AAIP – Hoofdstuk 8
Unsupervised Learning – Clustering, Patronen & Representaties
8.1 Wat is Unsupervised Learning?
In supervised learning krijgt een model voorbeelden mét labels.
In unsupervised learning krijgt het model alleen ruwe data —
zonder antwoorden — en moet het zelf structuur ontdekken.
Unsupervised learning = patronen ontdekken zonder begeleiding.
Dit maakt het krachtig voor:
- clustering (groepen ontdekken),
- dimensiereductie (data comprimeren),
- anomaliedetectie (rare patronen vinden),
- representatieleren (betere features leren).
Moderne AI‑systemen — inclusief LLM’s — gebruiken massaal unsupervised technieken.
8.2 Clustering: data groeperen zonder labels
Clustering is het proces waarbij een algoritme data verdeelt in groepen
waarbij punten binnen dezelfde groep op elkaar lijken.
8.2.1 K‑Means Clustering
Het meest gebruikte clustering‑algoritme ter wereld.
- Je kiest een aantal clusters (K)
- Het algoritme zoekt de beste verdeling
- Gebruikt afstandsmetingen (meestal Euclidisch)
Voordelen
- snel,
- eenvoudig,
- goed schaalbaar.
Nadelen
- je moet K vooraf kiezen,
- werkt slecht bij complexe vormen,
- gevoelig voor outliers.
8.2.2 Hierarchical Clustering
Bouwt een boomstructuur van clusters (dendrogram).
8.2.3 DBSCAN
Een density‑based algoritme dat clusters vindt op basis van dichtheid.
- vindt clusters van willekeurige vorm,
- detecteert outliers automatisch.
8.3 Dimensiereductie: data comprimeren
Veel datasets hebben honderden of duizenden features.
Dimensiereductie maakt data kleiner, overzichtelijker en sneller te verwerken.
8.3.1 PCA (Principal Component Analysis)
PCA zoekt de richtingen waarin de data het meest varieert.
- zeer snel,
- veel gebruikt,
- lineair.
8.3.2 t‑SNE
Perfect voor visualisatie van hoge‑dimensiedata.
8.3.3 UMAP
Moderne techniek, sneller en vaak beter dan t‑SNE.
8.4 Representatieleren
Representatieleren betekent dat een model zelf leert welke features belangrijk zijn.
8.4.1 Autoencoders
Neurale netwerken die data comprimeren en reconstrueren.
8.4.2 Embeddings
Vectorrepresentaties van woorden, beelden of objecten.
- word embeddings (Word2Vec, GloVe)
- beeld‑embeddings (CNN’s)
- LLM‑embeddings (transformers)
Embeddings zijn de taal waarin moderne AI denkt.
8.5 Anomaliedetectie
Unsupervised learning is ideaal om afwijkingen te vinden:
- fraude detecteren,
- rare transacties,
- machine‑storingen,
- medische afwijkingen.
Omdat er geen labels zijn, leert het model wat “normaal” is
en detecteert het alles wat daarvan afwijkt.
8.6 Toepassingen van Unsupervised Learning
- marksegmentatie (marketing),
- beeldcompressie,
- document‑clustering,
- aanbevelingssystemen,
- fraudedetectie,
- genetische data‑analyse,
- LLM‑pre‑training (massaal unsupervised).
Moderne AI is gebouwd op een fundament van unsupervised learning.
8.7 Reflectie‑opdracht
Beantwoord de volgende vragen schriftelijk:
- Leg in je eigen woorden uit wat clustering is.
- Wat is het verschil tussen PCA en t‑SNE?
- Waarom zijn embeddings zo belangrijk in moderne AI?
- Noem een toepassing van anomaliedetectie in jouw eigen leven.