|
1 | 1 | title: Machine Learning |
| 2 | +latex: true |
2 | 3 |
|
3 | 4 | ### Anwendungsgebiete |
4 | 5 |
|
@@ -28,25 +29,58 @@ Tom Mitchell definiert 1998 |
28 | 29 |
|
29 | 30 | --- |
30 | 31 |
|
| 32 | +Übersicht |
| 33 | + |
| 34 | + |
| 35 | + |
| 36 | +--- |
| 37 | + |
31 | 38 | ### Supervised Learning |
32 | 39 |
|
33 | 40 | * Datensatz mit bekannten Ergebnissen existiert |
34 | 41 | * Regression/Klassifikation |
35 | 42 |
|
36 | | -.. notes:: |
37 | | - Beispiel für Regression: Position/Zeit s=s0 + v*t |
38 | | - Beispiel für Klassifikation: Google Ad für Computerspiel -> gekauft/nicht gekauft übers Alter, Zweidimensional mit Einkommen |
39 | | - Beispiel für Maximumssuche: https://www.geogebra.org/graphing/rtk3xmax |
40 | | - Beispiel für [lineare Regression](./lineare_regression.html) |
| 43 | +--- |
| 44 | + |
| 45 | +#### Beispiel: Regression - Position/Zeit |
| 46 | + |
| 47 | +$$s = s_0 + v \cdot t$$ |
| 48 | + |
| 49 | +Vorhersage der Position basierend auf Anfangsposition \\(s_0\\), Geschwindigkeit \\(v\\) und Zeit \\(t\\). |
| 50 | + |
| 51 | +--- |
| 52 | + |
| 53 | +#### Beispiel: Klassifikation - E-Mail Spam Filter |
| 54 | + |
| 55 | +**Eingabe-Features:** |
| 56 | +* Anzahl bestimmter Wörter ("Gewinn", "kostenlos", "dringend") |
| 57 | +* Anzahl Großbuchstaben |
| 58 | +* Anzahl Ausrufezeichen |
| 59 | +* Absender-Domain bekannt/unbekannt |
| 60 | + |
| 61 | +**Ausgabe:** Spam (🚫) oder Kein Spam (✓) |
| 62 | + |
| 63 | +Das Modell lernt aus tausenden gelabelten E-Mails die Muster von Spam. |
| 64 | + |
| 65 | +--- |
| 66 | + |
| 67 | +#### Beispiel: Lineare Regression |
| 68 | + |
| 69 | +Siehe Beispiel "Anscombe's Quartet" in Jupyter Notebook `lineare_regression.ipynb` |
41 | 70 |
|
42 | 71 | --- |
43 | 72 |
|
44 | 73 | ### Supervised Learning |
45 | 74 |
|
46 | 75 | Daten haben beschreibende Eigenschaften und Labels sind bekannt. |
47 | 76 |
|
48 | | -.. notes:: |
49 | | - [Anscombe's Quartett](https://en.wikipedia.org/wiki/Anscombe%27s_quartet) |
| 77 | +**Regression:** |
| 78 | +* Vorhersage kontinuierlicher Werte |
| 79 | +* Beispiele: Hauspreise, Temperatur, Aktienkurse |
| 80 | + |
| 81 | +**Klassifikation:** |
| 82 | +* Zuordnung zu diskreten Kategorien |
| 83 | +* Beispiele: Spam-Erkennung, Bilderkennung, Sentiment-Analyse |
50 | 84 |
|
51 | 85 | --- |
52 | 86 |
|
|
0 commit comments