# Supervised ML: Classificatie (Data Science & ML)

> Logistische regressie, KNN, SVM, metrieken (accuracy, precision, recall, F1, ROC-AUC), drempelwaarden

- 24 gespreksvragen
- Mid-Level
- [Gespreksvragen: Data Science & ML](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen.md)

## 1. Wat is het hoofddoel van een supervised classificatie-algoritme?

**Antwoord**

Supervised classificatie heeft als doel een categorie of klasse (discrete variabele) te voorspellen op basis van invoer-features, door te leren van gelabelde data. In tegenstelling tot regressie die continue waarden voorspelt, wijst classificatie elke observatie toe aan een vooraf gedefinieerde klasse (binair of multiklasse).

## 2. Welke wiskundige functie gebruikt logistische regressie om voorspellingen om te zetten in waarschijnlijkheden?

**Antwoord**

De sigmoid-functie (of logistische functie) transformeert elke reële waarde naar een waarschijnlijkheid tussen 0 en 1. Het wordt gedefinieerd als sigma(z) = 1/(1+e^(-z)). Deze functie maakt het mogelijk om de output te interpreteren als de waarschijnlijkheid van het behoren tot de positieve klasse.

## 3. Wat vertegenwoordigen de coëfficiënten in een logistisch regressiemodel?

**Antwoord**

Logistische regressiecoëfficiënten vertegenwoordigen de verandering in log-odds voor elke eenheid verandering in de bijbehorende feature. Een positieve coëfficiënt verhoogt de waarschijnlijkheid van de positieve klasse, terwijl een negatieve coëfficiënt deze verlaagt. De exponentieel van de coëfficiënt geeft de odds ratio.

## Nog 21 vragen beschikbaar

- Hoe werkt het K-Nearest Neighbors (KNN) algoritme voor classificatie?
- Wat is de impact van het kiezen van de waarde van k in het KNN-algoritme?

Meld je gratis aan: https://sharpskill.dev/nl/login

## Andere Data Science & ML-sollicitatieonderwerpen

- [Python-basisbeginselen](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/python-basics.md): 25 vragen, Junior
- [Python Objectgeoriënteerd Programmeren](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/python-oop.md): 20 vragen, Junior
- [Python-datastructuren](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/python-data-structures.md): 20 vragen, Junior
- [Git-Fundamenten](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/git-fundamentals.md): 18 vragen, Junior
- [SQL-basisbeginselen](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/sql-basics.md): 20 vragen, Junior
- [NumPy-grondbeginselen](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/numpy-fundamentals.md): 22 vragen, Junior
- [Pandas-basis](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/pandas-basics.md): 22 vragen, Junior
- [Jupyter & Google Colab](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/jupyter-colab.md): 16 vragen, Junior
- [SQL Joins & geavanceerde queries](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/sql-joins-advanced.md): 22 vragen, Mid-Level
- [Geavanceerd Pandas](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/pandas-advanced.md): 24 vragen, Mid-Level
- [Visualisatie met Matplotlib & Seaborn](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/matplotlib-seaborn.md): 20 vragen, Mid-Level
- [Interactieve visualisaties met Plotly](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/plotly-interactive.md): 18 vragen, Mid-Level
- [Beschrijvende statistiek](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/statistics-descriptive.md): 20 vragen, Mid-Level
- [Inferentiële statistiek](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/statistics-inferential.md): 24 vragen, Mid-Level
- [Web Scraping](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/web-scraping.md): 18 vragen, Mid-Level
- [BigQuery & Cloud Data](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/bigquery-cloud.md): 18 vragen, Mid-Level
- [Feature Engineering](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/feature-engineering.md): 22 vragen, Mid-Level
- [Supervised ML: Regressie](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/ml-supervised-regression.md): 24 vragen, Mid-Level
- [Beslissingsbomen & Ensembles](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/ml-trees-ensembles.md): 24 vragen, Mid-Level
- [Ongesuperviseerd ML](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/ml-unsupervised.md): 22 vragen, Mid-Level
- [ML Pipelines & Validatie](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/ml-pipelines-validation.md): 22 vragen, Mid-Level
- [Tijdreeksen & Voorspelling](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/time-series-forecasting.md): 22 vragen, Mid-Level
- [Fundamenten van Deep Learning](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/deep-learning-fundamentals.md): 24 vragen, Senior
- [TensorFlow & Keras](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/tensorflow-keras.md): 22 vragen, Senior
- [CNN en beeldclassificatie](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/cnn-image-classification.md): 24 vragen, Senior
- [RNN & Reeksen](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/rnn-sequences.md): 22 vragen, Senior
- [Transformers & Attention](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/transformers-attention.md): 24 vragen, Senior
- [NLP & Hugging Face](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/nlp-huggingface.md): 24 vragen, Senior
- [GenAI & LangChain](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/genai-langchain.md): 24 vragen, Senior
- [MLOps en Deployment](https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/mlops-deployment.md): 24 vragen, Senior

---

Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack.
HTML version of this page: https://sharpskill.dev/nl/technologies/data-science/sollicitatievragen/ml-supervised-classification