Similarity (en correlatie)

Wat zijn similarity en correlatie?

Similarity (gelijkenis) en correlatie zijn twee manieren om de relatie tussen gegevens in een getal uit te drukken, maar ze meten iets anders. Similarity meet hoe sterk twee objecten op elkaar lijken, bijvoorbeeld twee documenten, producten of klanten. Correlatie meet hoe twee variabelen samen bewegen, bijvoorbeeld of de omzet stijgt als de temperatuur stijgt. De begrippen worden vaak door elkaar gehaald, maar beantwoorden verschillende vragen.

Hoe werkt het?

Voor similarity worden objecten eerst omgezet in getallenreeksen, waarna een maat zoals cosine similarity berekent hoe dicht ze bij elkaar liggen. Zo bepaalt een AI-systeem dat twee teksten over hetzelfde onderwerp gaan. Correlatie, meestal berekend als de correlatiecoëfficiënt van Pearson, levert een getal tussen -1 en +1: positief betekent dat variabelen samen stijgen, negatief dat de één daalt als de ander stijgt, en rond nul dat er geen lineair verband is. Belangrijk: correlatie bewijst geen oorzakelijk verband. Dat ijsverkoop en verdrinkingen samen stijgen, komt door de zomer, niet door het ijs.

Wat heb je eraan als bedrijf?

Similarity is de motor achter aanbevelingssystemen (“klanten die dit kochten, kochten ook”), het vinden van vergelijkbare documenten en semantisch zoeken in je kennisbank. Correlatie gebruik je in analyses: welke factoren hangen samen met omzet, klanttevredenheid of verloop. Wie het verschil kent, trekt betere conclusies uit data en trapt minder snel in schijnverbanden.

Gerelateerde begrippen

Similarity tussen teksten werkt via embeddings en het vector space model, en wordt toegepast in semantic search en collaborative filtering.