Bleiben Sie mit umsetzbaren Finanzstrategien, Tipps, Nachrichten und Trends einen Schritt voraus.
Innovationsreihe: Entmystifizierung des maschinellen Lernens
Dr. Tom Mitchell, ehemaliger Vorsitzender der Abteilung für maschinelles Lernen an der Carnegie Mellon University, bietet in seinem Buch eine elegante Definition des maschinellen Lernens. Er schlägt v
Mai 23, 2018
Dr. Tom Mitchell, ehemaliger Vorsitzender der Abteilung für maschinelles Lernen an der Carnegie Mellon University, bietet in seinem Buch eine elegante Definition des maschinellen Lernens. Er schlägt vor, dass "das Gebiet des maschinellen Lernens sich mit der Frage beschäftigt, wie man Computerprogramme konstruiert, die sich mit der Erfahrung automatisch verbessern"
Es gibt heute viele verschiedene Arten des maschinellen Lernens, aber die am häufigsten für Geschäftsanwendungen verwendete ist das überwachte Lernen. Beim überwachten Lernen werden Algorithmen wie lineare und logistische Regressionen und Mehrklassen-Klassifikation verwendet, um eine Reihe von Eingabevariablen (X) zu analysieren und durch eine Abbildungsfunktion ( y=f(x)) eine Ausgabe (Y) zu erzeugen.
Die Parallele des überwachten Lernens ist die eines Lehrers und eines Schülers, wobei der Schüler durch den Lehrer in einem bestimmten Thema geschult wird. Überwachtes Lernen setzt voraus, dass die möglichen Ergebnisse des Algorithmus bekannt sind und dass die zum Trainieren des Algorithmus verwendeten Daten mit den richtigen Antworten versehen sind.
Die meisten Anwendungen des überwachten maschinellen Lernens umfassen in der Regel die folgenden Schritte:
- Sammeln des zu bewertenden Datensatzes
- Extrahieren des Satzes von Parametern und Attributen zur Unterstützung von Vorhersagen
- Auswahl des Algorithmus für maschinelles Lernen
- Trainieren des Modells
- Erstellen von Vorhersagen mit dem eingesetzten Modell
- Anpassung der Parameter zur Verfeinerung des Modells
Blog abonnieren