Arten des Maschinellen Lernens
Swipe um das Menü anzuzeigen
Überwachtes Lernen
Überwachtes Lernen ist eine Technik des maschinellen Lernens, bei der das Modell mit einem beschrifteten Trainingsdatensatz trainiert wird.
Die beliebtesten Aufgaben des überwachten Lernens sind:
-
Regression (zum Beispiel die Vorhersage des Preises eines Hauses): Dafür wird ein Trainingsdatensatz benötigt, der mit anderen Hauspreisen beschriftet ist;
-
Klassifikation (zum Beispiel die Klassifizierung von E-Mails als Spam/Ham): Dafür wird ein Trainingsdatensatz benötigt, der als Spam/Ham beschriftet ist.
Unüberwachtes Lernen
Unüberwachtes Lernen ist eine Methode des maschinellen Lernens, bei der das Modell mit einem nicht gelabelten Trainingsdatensatz trainiert wird.
Die wichtigsten Aufgaben des unüberwachten Lernens sind Clustering, Anomalieerkennung und Dimensionsreduktion.
Clustering
Gruppiert ähnliche Datenpunkte in Cluster ohne Labels – zum Beispiel das Gruppieren von E-Mails, ohne zu wissen, ob sie Spam sind oder nicht.
Anomalieerkennung
Findet Datenpunkte, die von normalen Mustern abweichen, wie ungewöhnliche Kreditkartentransaktionen, ohne dass Betrugslabels benötigt werden.
Dimensionsreduktion
Reduziert die Anzahl der Merkmale, während wichtige Informationen erhalten bleiben – ebenfalls ohne Labels.
Reinforcement Learning
Reinforcement Learning unterscheidet sich deutlich von den beiden vorherigen Typen. Es ist eine Technik, die zum Trainieren von selbstfahrenden Fahrzeugen, Robotern, KI im Gaming und mehr eingesetzt wird.
Reinforcement Learning ist eine Machine-Learning-Technik, bei der der Agent (z. B. Saugroboter) durch das Treffen von Entscheidungen lernt und eine Belohnung erhält, wenn die Entscheidung korrekt ist, sowie eine Strafe, wenn die Entscheidung falsch ist.
Das Training eines Hundes zum Apportieren funktioniert ähnlich wie Reinforcement Learning: gute Aktionen werden mit einer Belohnung honoriert, falsche Aktionen mit einer Strafe, und das erfolgreiche Zurückbringen des Balls bringt eine größere Belohnung, was das gewünschte Verhalten verstärkt.
1. Um ein ML-Modell für eine überwachtes Lernaufgabe zu trainieren, muss der Trainingssatz ein Ziel (label) enthalten. Ist das korrekt?
2. Um ein ML-Modell für eine unüberwachtes Lernaufgabe zu trainieren, ist es nicht erforderlich, dass der Trainingssatz ein Ziel (label) enthält. Ist das korrekt?
Danke für Ihr Feedback!
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
