Terug naar begrippenlijst
Unsupervised Learning
Unsupervised Learning is een vorm van Machine Learning waarbij een AI-model zelf patronen probeert te ontdekken in data zonder dat het van tevoren weet wat het juiste antwoord is. Geen labels, geen correcties, geen voorbeeldoplossingen. Alleen de data en de opdracht: zoek uit wat er speelt. Het model leert door te vergelijken, te groeperen en verbanden te leggen. Zo kan het bijvoorbeeld klanten met vergelijkbaar gedrag bij elkaar zetten, afwijkingen in gegevens opsporen, of verborgen structuren in grote datasets vinden. Je leert het model dus niet wat het moet vinden, maar laat het zelf ontdekken dat er iets te vinden is.
Inhoudsopgave
AI die zelf verbanden legt
Waar Supervised Learning voelt als school met een docent, lijkt Unsupervised Learning meer op een speurtocht zonder plattegrond. Het model krijgt bijvoorbeeld een spreadsheet vol klantdata, en gaat op zoek naar opvallende patronen: Zijn er groepen klanten die op elkaar lijken? Zijn er uitschieters?
En dat doet het verrassend goed. Zeker bij enorme hoeveelheden data waar je als mens allang het overzicht kwijt bent. Het model maakt zelf categorieën, zonder dat jij vooraf zegt welke dat moeten zijn.
Geen labels, toch waardevolle inzichten
Wat Unsupervised Learning zo krachtig maakt, is dat het structuur vindt waar jij die nog niet ziet. Handig als je te veel data hebt om handmatig te analyseren, of als je juist op zoek bent naar onverwachte inzichten.
Denk aan het groeperen van klantsegmenten, het ontdekken van productclusters, of het herkennen van ongebruikelijk gedrag in systemen (zoals fraude). Je krijgt geen kant-en-klare antwoorden, maar wél slimme signalen waar je verder op kunt bouwen.
Wat het wel (en niet) is
Unsupervised Learning is géén glazen bol. Het vertelt je niet waarom iets gebeurt, of wat je ermee moet. Het zegt alleen: hier zie ik iets opvallends. Jij als expert interpreteert en beslist. Dat maakt het perfect voor verkenning, maar minder geschikt voor taken waar een duidelijk “goed” of “fout” antwoord nodig is. Zie het als een slimme data-analist die zegt: “Hier zit iets interessants – kijk hier eens naar.”
Veelgestelde vragen
Bij Supervised Learning krijgt het model gelabelde data: de input én het juiste antwoord. Bij Unsupervised Learning krijgt het alleen de input en moet het zelf patronen ontdekken.
Het is een model dat zonder vooraf gegeven antwoorden werkt. Het kijkt naar ruwe data en gaat zelf op zoek naar verbanden of groepen die op elkaar lijken.
Niet per se, maar het is minder ‘controleerbaar’. Je krijgt geen exacte voorspelling, maar wel een richting of structuur om verder te onderzoeken.
Als je veel ruwe data hebt, maar nog niet weet wat de onderliggende structuur is. Het helpt je verkennen, groeperen of signaleren.
Bo Pennings AI specialist
Gerelateerde begrippen
- AI-algoritmes
- AI-model
- Augmented Intelligence
- Autonome AI
- Claude
- Deep Learning
- Ethische AI
- Generatieve AI
- Generative Adversarial Network (GAN)
- Generative Pre-trained Transformer (GPT)
- Generator
- Low-code AI
- Machine Learning bias
- No-code AI
- Prompt engineering
- Robotic Process Automation (RPA)
- Sentimentanalyse
- Supervised Learning
- Transformer
- Validatie
