9 voorspellende modellen die elke data-scientist moet kennen – En wanneer je ze gebruikt (ook als je net begint)

1️⃣ Lineaire & Logistische Regressie

Wat het is — Klassieke baseline-modellen. Lineaire regressie voorspelt een getal (bv. omzet), logistische regressie een kans (bv. churn: ja/nee).
Wat het kan — Snel, transparant, goed uitlegbaar aan business.
Data — Gestructureerde, numerieke features; beperkt multicollineariteit.

Snel starten:

• – Scikit-learn: Ordinary Least Squares (voorbeeld): https://scikit-learn.org/stable/auto_examples/linear_model/plot_ols.html
• – Kaggle-notebook: Logistic Regression met scikit-learn: https://www.kaggle.com/code/mwaseem75/logistic-regression-with-scikit-learn

2️⃣ Decision Trees (beslisbomen)

Wat het is — Bomen die beslissingen nemen via ja/nee-splitsingen.
Wat het kan — Intuïtief en uitlegbaar; goed voor feature-begrip.
Data — Tabulaire data met numeriek en categorisch door elkaar.

Snel starten:

• – Colab-notebook: Decision Trees voor classificatie: https://colab.research.google.com/github/nyandwi/machine_learning_complete/blob/main/6_classical_machine_learning_with_scikit-learn/6_decision_trees_for_classification.ipynb
• – Scikit-learn: DecisionTreeClassifier docs + voorbeelden: https://scikit-learn.org/stable/modules/tree.html

3️⃣ Random Forests

Wat het is — Ensemble van veel beslisbomen die samen stemmen.
Wat het kan — Sterk all-round; vaak robuust tegen overfitting.
Data — Tabulaire datasets (klant-, transactie- of riskdata).

Snel starten:

• – Python Data Science Handbook: Random Forests (met code): https://jakevdp.github.io/PythonDataScienceHandbook/05.08-random-forests.html
• – Scikit-learn: RandomForestClassifier voorbeeld: https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html

4️⃣ Gradient Boosting (XGBoost, LightGBM, CatBoost)

Wat het is — Boosting van bomen: elke boom corrigeert fouten van de vorige.
Wat het kan — Topprestaties op tabulaire data; vaak Kaggle-winnaar.
Data — Goede feature-engineering/opschoning loont; kan met categorisch.

Snel starten:

• – XGBoost: Jupyter-tutorial voor predictieve modellen: https://github.com/cemac/XGBoost-notebook
• – LightGBM: Getting Started (officiële docs): https://lightgbm.readthedocs.io/en/stable/
• – CatBoost: Quickstart met voorbeelden: https://catboost.ai/en/docs/

5️⃣ Support Vector Machines (SVM)

Wat het is — Zoekt de optimale scheidingsgrens (hyperplane) tussen klassen.
Wat het kan — Sterk bij complexe maar kleinere datasets; goede marges.
Data — Goed geschaald/gestandaardiseerd; niet te groot (schaling!).

Snel starten:

• – Scikit-learn: SVM voorbeelden (classification & kernels): https://scikit-learn.org/stable/modules/svm.html
• – Scikit-learn: Pipeline met StandardScaler + SVM: https://scikit-learn.org/stable/auto_examples/svm/plot_iris_svc.html

6️⃣ k-Nearest Neighbors (kNN)

Wat het is — Classificeert op basis van de k meest gelijkende buren.
Wat het kan — Simpel & effectief voor aanbevelingen en patronen.
Data — Features waar ‘afstand/nabijheid’ betekenisvol is.

Snel starten:

• – Scikit-learn: KNeighborsClassifier voorbeeld: https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html
• – Scikit-learn: Neighbors module (overzicht + voorbeelden): https://scikit-learn.org/stable/modules/neighbors.html

7️⃣ Naive Bayes

Wat het is — Probabilistisch model met (naïeve) onafhankelijkheidsaanname.
Wat het kan — Bizar snel en zeer bruikbaar voor tekstclassificatie.
Data — Getokenized tekst (bag-of-words/TF-IDF) of binaire features.

Snel starten:

• – Scikit-learn: Naive Bayes (Gaussian/Multinomial/Bernoulli): https://scikit-learn.org/stable/modules/naive_bayes.html
• – Scikit-learn: Tekstklassificatie met Naive Bayes + TF-IDF: https://scikit-learn.org/stable/tutorial/text_analytics/working_with_text_data.html

8️⃣ Multilayer Perceptrons (MLP’s)

Wat het is — Meerstaps neurale netwerken (fully-connected).
Wat het kan — Vangt niet-lineaire relaties; flexibel voor tabulaire data.
Data — Genormaliseerde numerieke features; voldoende samples.

Snel starten:

• – Scikit-learn: MLPClassifier (quick start + tips): https://scikit-learn.org/stable/modules/generated/sklearn.neural_network.MLPClassifier.html
• – Raschka’s deep-learning-models (MLP-voorbeelden): https://github.com/rasbt/deeplearning-models

9️⃣ ARIMA / SARIMAX (tijdreeksen)

Wat het is — Klassieke modellen voor autoregressie + moving average; SARIMAX voegt seizoenen & exogene variabelen toe.
Wat het kan — Transparant en betrouwbaar bij trends/seizoenen.
Data — Regelmatige tijdreeksen (uur/dag/maand), stationariteit controleren.

Snel starten:

• – statsmodels: ARIMA/SARIMAX handleiding + code: https://www.statsmodels.org/stable/tsa.html
• – Praktische notebook: SARIMAX met exogene features: https://www.statsmodels.org/stable/examples/notebooks/generated/statespace_sarimax_stata.html

Tot slot

Deze negen modellen vormen je gereedschapskist. Bouw er sterke baselines mee, vergelijk objectief en leer vooral waarom een model werkt — niet alleen dat het werkt.

Een goed model begint niet bij code, maar bij gezond verstand — en schone data.