Aus dem Kurs: Machine Learning Grundlagen

Erhalten Sie Zugriff auf diesen Kurs – mit einer kostenlosen Probeversion

Werden Sie noch heute Mitglied und erhalten Sie Zugriff auf mehr als 25.300 Kurse von Branchenfachleuten.

Zusammenfassung: Klassifikation

Zusammenfassung: Klassifikation

Aus dem Kurs: Machine Learning Grundlagen

Gratismonat starten Für Ihr Team erwerben

Zusammenfassung: Klassifikation

“

Klassifikation ist ein typisches Problem, welches mit Machine Learning gelöst werden kann. Machine Learning nutzt Beispiele, um Muster aus den Daten zu extrahieren, um Objekte zu klassifizieren. Das Extrahieren der Muster bzw. Lernen basiert auf den Features und den Labels. Die Features sind die Merkmale der Objekte, wie in unserem Beispiel die Größe und der Zähmungsgrad. Das Label jedes Beispiels gibt an, zu welcher Klasse die Instanz zugehörig ist. In unserem Fall handelt es sich um einen sogenannten Binär-Klassifikator, der in der Lage ist, jedes Beispiel entweder als Hund oder als Katze zu kategorisieren. Das heißt, für jedes neue unbekannte Beispiel ist die Aufgabe des Classifiers, zu bestimmen, um welche der diskreten Klassen es sich handelt. Das heißt, das Label soll vorhergesagt werden basierend auf den Features. Um so eine Vorhersage zu treffen, erzeugen Classifier sogenannte Entscheidungsgrenzen. Die Entscheidungsgrenze teilt dem Feature-Raum in einzelne Teile auf. Das ist…

Inhalt