Kurs:Maschinelles Lernen/Klassifikation - elementares Beispiel
Einleitung
BearbeitenDiese Seite zum Thema Kurs:Maschinelles Lernen/Klassifikation - elementares Beispiel kann als Wiki2Reveal Folien angezeigt werden. Einzelne Abschnitte werden als Folien betrachtet und Änderungen an den Folien wirken sich sofort auf den Inhalt der Folien aus. Dabei werden die folgenden Teilaspekte im Detail behandelt:
- (1) Hochspringer - Höhe, bei der die Latte gerissen wird
- (2) Trainingsdaten und die Veränderung von Trainingsparamtern
Zielsetzung
BearbeitenDiese Lernressource zu Kurs:Maschinelles Lernen in der Wikiversity hat das Ziel, die Klassifikation an einem in der Schule behandelbaren elementares Beispiel zu betrachten.
Zielgruppe
BearbeitenDie Zielgruppen der Lernressource zum Thema Kurs:Maschinelles Lernen/Klassifikation - elementares Beispiel sind
- Studierende im Fach Mathematik - Lehramt
- Schüler:innen im Fach Mathematik - Sekundarstufe I
Lernvoraussetzungen
BearbeitenDie Lernressource zum Thema Klassifikation werden für das elementares Beispiel die folgenden Lernvoraussetzungen vorausgesetzt:
- Lernen als algorithmische Veränderung von Trainingsparametern,
- Schwellwerteigenschaft eines Neurons, das bei Potential oberhalb des Schwellwertes feuert und unterhalb des Schwellwertes inaktiv bleibt.
Aufgaben für Lernende / Studierende
BearbeitenMit den folgenden Aufgaben wird der Schwellwert eines Neurons in einem neuronale Netz als Trainingsparameter verwendet. Die Zughörigkeit zu einer Klassen wird durch den Erregungszustand (0 oder 1) kodiert. Das Neuron soll in dem Beispiel bei einer Höhe als Impuls feuern, wenn eine Hochspringerin eine bestimmte Höhe nicht mehr überspringen wird.
Klassifikation
BearbeitenIn diesem Beispiel wird das Intervall durch den Lernprozess in zwei Teilmengen (Klassen) zerlegt:
- Höhen, die die Hochspringerin, die Höhe wahrscheinlich nicht überspringt
- Höhen, die die Hochspringerin, die Höhe wahrscheinlich überspringt
Gesucht ist ein geeignetes .
Klassifikationsfunktion
BearbeitenDie Klassifikationsfunktion ist eine Indikatorfunktion mit
Trainingsdaten
BearbeitenDie Trainingsdaten stammen aus :
- bedeutet, dass die Höhe übersprungen wurde,
- bedeutet, dass die Höhe gewissen wurde,
Training der Clustermitten
BearbeitenDie Entscheidung soll nun über Clustermitten und deren Abstand erfolgen. Trainingsdaten der Form:
- wird der Klasse und
- wird der Klasse zugeordnet.
und sind die Clustermitten, mit denen der Schwellenwert definiert wird.
Aufgabe - Training
BearbeitenImplementieren Sie diesen einfachen Trainingsalgorithmus in R und füttern Sie den Algorithmus mit Daten, beim dem die Hochspringerin im Laufe des eigenen Trainings im besser wird und größere Höhen überspringt.
Aufgabe - Fuzzy-Logik
BearbeitenIn der Nähe des Schwellenwertes ist die Vorhersage schwierig, ob die Hochspringerin den Höhe überspringt oder die Latte reißt. Wie kann man diese Unschärfe durch Fuzzy-Logik ausdrücken?
Aufgabe - k-Means - Verfahren
BearbeitenUntersuchen Sie das k-Mean-Verfahren und vergleichen Sie den Ansatz mit diesem elementaren Beispiel!
Beispiel
BearbeitenÜbertragen Sie dieses einführende Beispiel zum Thema Maschinelles Lernen und Klassifikation auf die Klassifikation "große Zahl/kleine Zahl" und erläutern Sie, wie diese Klassifikation von der Reihenfolge der Trainingsdaten abhängt!
Vergleich - Markov-Modellen
BearbeitenVergleichen Sie diese elementaren Zugänge mit Markov-Modellen für ein adaptives Training [1].
Literatur/Quellennachweise
Bearbeiten- ↑ Gales, M. J. (2000). Cluster adaptive training of hidden Markov models. IEEE transactions on speech and audio processing, 8(4), 417-428.
Siehe auch
BearbeitenSeiteninformation
BearbeitenDiese Lernresource können Sie als Wiki2Reveal-Foliensatz darstellen.
Wiki2Reveal
BearbeitenDieser Wiki2Reveal Foliensatz wurde für den Lerneinheit Kurs:Maschinelles Lernen' erstellt der Link für die Wiki2Reveal-Folien wurde mit dem Wiki2Reveal-Linkgenerator erstellt.
- Die Seite wurde als Dokumententyp PanDocElectron-SLIDE erstellt.
- Link zur Quelle in Wikiversity: https://de.wikiversity.org/wiki/Kurs:Maschinelles%20Lernen/Klassifikation%20-%20elementares%20Beispiel
- siehe auch weitere Informationen zu Wiki2Reveal und unter Wiki2Reveal-Linkgenerator.