In diesem Modul wird beschrieben, wie Sie eine Aufgabe als Machine Learning-Problem definieren. Außerdem werden viele grundlegende Begriffe behandelt, die in einer Vielzahl von ML-Methoden verwendet werden.
Framing
Was ist (überwachtes) maschinelles Lernen?
ML-Systeme lernen
wie kann ich die Eingabe kombinieren?
um nützliche Vorhersagen zu erstellen,
auf bisher unbekannte Daten
Terminologie: Labels und Funktionen
- Label ist die Variable, die vorhergesagt wird
- Üblicherweise wird dies durch die Variable y dargestellt.
Terminologie: Labels und Funktionen
- Label ist die Variable, die vorhergesagt wird
- Üblicherweise wird dies durch die Variable y dargestellt.
- Features sind Eingabevariablen, die unsere Daten beschreiben.
- Üblicherweise dargestellt durch die Variablen {x1, x2, ..., xn}.
Terminologie: Beispiele und Modelle
- Beispiel ist eine bestimmte Dateninstanz, x
- Beispiel mit Label hat {features, label}: (x, y).
- Wird zum Trainieren des Modells verwendet
- Beispiel ohne Label hat {features, ?}: (x, ?)
- Wird verwendet, um Vorhersagen über neue Daten zu treffen
Terminologie: Beispiele und Modelle
- Beispiel ist eine bestimmte Dateninstanz, x
- Beispiel mit Label hat {features, label}: (x, y).
- Wird zum Trainieren des Modells verwendet
- Beispiel ohne Label hat {features, ?}: (x, ?)
- Wird verwendet, um Vorhersagen über neue Daten zu treffen
- Model ordnet vorhergesagte Labels Beispiele zu: y'
- Definiert durch interne Parameter, die erlernt werden