Maschinelles Lernen
Programme Regeln aus Daten ableiten lassen, statt sie fest zu codieren
OVERVIEW
- Alle Einträge
- 6
- Anfänger
- 2
- Fortgeschritten
- 3
- Experte
- 1
Machine learning compresses into a single sentence: given a set of samples, find a function that still works on new ones. Around that sentence grow the divide between supervised and unsupervised learning, the tug-of-war between overfitting and regularisation, and the methodology of measuring — honestly — whether it works at all.
Fragen, die dieser Bereich beantwortet
- Q1
What separates “memorising” from “learning”?
- Q2
Why does a model that aces training fail in production?
- Q3
What can unlabelled data still be used for?
Einträge dieses Bereichs
- 01Überwachtes LernenAnfängerPaare aus Frage und Antwort lehren das Modell, selbst zu antworten
- 02Unüberwachtes LernenAnfängerOhne Antworten muss die Struktur aus den Daten selbst hervorgehen – und „gut“ muss neu definiert werden
- 03VerlustfunktionenFortgeschrittenEine Verlustfunktion legt fest, was bestraft wird – tauscht man sie, tauscht man das ganze Verständnis von richtig und falsch
- 04Überanpassung und RegularisierungFortgeschrittenDas Modell lernt die Trainingsdaten auswendig und scheitert an allem Neuen
- 05Modellbewertung und KreuzvalidierungFortgeschrittenGenauigkeit ist die täuschendste Metrik – falsch ausgewertet, bricht alles Weitere zusammen
- 06Bias-Varianz-ZerlegungExperteJeder Vorhersagefehler zerfällt in drei Teile: ein zu einfaches Modell, ein zu sprunghaftes Modell und die Zufälligkeit der Welt selbst