Das Video kommt von YouTube: erst beim Abspielen verbindet sich die Seite mit YouTube (Google).
#5 Unüberwachtes Lernen I So lernen Maschinen
Das Wichtigste aus dem Video
Tipp auf eine Zeit – das Video springt genau dorthin.
Transkriptautomatisch erstellt · 36 Zeilen
- [Musik] in den bisherigen videos haben wir uns dem überwachten lernen gewidmet und jetzt wollen wir uns das um überwachte
- lernen anschauen ich glaube man hört auf folgendes hey wir haben hier diese ganzen daten könnt ihr da nicht was mit maschinellem lernen
- machen könnt ihr nicht muster erkennen und das passiert in der praxis eigentlich nicht was man viel macht ist überwachtes lernen eben weil das
- zuverlässiges denn beim überwachten lernen habe ich ja sorgfältig diese daten mit labels gesammelt die dann dem algorithmus für jeden daten punktgenau
- sagen zu welchen merkmalen zu welchen features welches label gehört und da kann ich relativ zuverlässig einen algorithmus darauf trainieren und was
- auch wichtig ist am ende gucken ob er funktioniert und jetzt kommt aus und überwachte lernen und sagt das brauche ich alles
- nicht ich brauche keine labels gibt mir die daten so wie sie sind so leicht ist es leider nicht also überwachtes lernen ist recht schwer
- eben weil man diese labels nicht hat ist nicht ganz klar was der algorithmus eigentlich lernen soll im überwachten lernen ist es deswegen essenziell dass
- man alles was man an vorwissen hat darüber wie die daten entstanden sind darüber was man gerne finden möchte also was man jetzt meint mit muss dann erst
- mal dieses vorwissen explizit macht und in das design des algorithmus mit einbezieht nur dann kann ein überwachtes lernen
- funktionieren vielleicht machen wir dieses ganze gerede von vorwissen muster kennen mal an einem konkreten beispiel ein bisschen klarer und zwar ist nämlich
- eine beliebte möglichkeit wie man muster erkennen kann so genannte clustering und clustering ist eine der populärsten methoden des unbewachten lernens und was
- klasse eigentlich sind und wieso man dafür vorwissen braucht schauen wir uns jetzt einfach mal genau wir haben ein beispiel und zwar haben
- uns einen online versandhändler ausgedacht der von einer betrugsfälle geplagt wird betrügerische ein käufer kaufen für hohe summen waren ein und
- bestellen auf rechnung bezahlen aber die rechnung nicht das macht den online versandhändler armen und traurig und die betrüger reich und glücklich und der
- online-versandhändler möchte das unterbinden was ja nämlich möchte es möglichst automatisch diese betrüger zu erkennen und ihnen das zahlen auf
- rechnungen verweigern er möchte nicht allen kunden das zahlen auf rechnung verweigern denn das zahlen auf rechnung ist beliebt und das würde
- seine plattform unbeliebt machen und er hat schon eine idee wie sich die betrüger von den ehrlichen kunden unterscheiden genau er vermutet nämlich
- dass sich die beiden gruppen in zwei dingen unterscheiden einmal in der verweildauer auf der webseite und einmal in der summe des
- warenkorbes man könnte ja vermuten dass betrüger sehr viel einkaufen also hauptsache viele waren sehr hoher warenwert und dass sie andererseits aber
- auch gar nicht so lange darüber nachdenken was sie jetzt eigentlich kaufen hauptsache schnell bestellt und schnell
- viel wert angekauft und glücklicherweise kann der online versandhändler diese daten in den aufzeichnungen seiner web seite nachschauen das heißt er kann zu
- jedem kunden nachschauen wie lange war dieser kunden auf seiner webseite und welchen wert hat der warenkorb des kunden
- diese daten kann der online versandhändler jetzt erstmal grafisch darstellen und wenn er diese daten grafisch
- dargestellt hat stellt er fest dass es hier vier gruppen zu geben scheint und diese vier gruppen sind unsere klasse also diese vier punkte wolken sind die
- cluster und jetzt können wir unser vorwissen benutzen das heißt wir hatten ja das vorwissen dass wir glauben dass betrüger einen sehr hohen oder für einen
- sehr hohen wahren wert einkaufen und auch nur eine sehr kurze zeit auf der webseite verbringen und dies entspricht diesem cluster hier oben links das heißt
- unser online versandhändler ich kann jetzt genau diese informationen ausnutzen wenn er feststellen möchte ob sich ein neuer kunde voraussichtlich als
- betrüger entpuppt oder eben nicht und ein algorithmus der dieses automatische finden der cluster für uns macht serie chemnitz bei kamins fährt jeder cluster
- nur noch durch einen einzigen mittelpunkt beschrieben und wenn jetzt ein neuer daten punkt reinkommt dann wird der dem cluster zugeordnet dessen
- mittelpunkt er am nächsten ist in unserem beispiel hatten wir jetzt glücklicherweise daten wo kamins super funktioniert in der praxis ist das
- selten der fall also da haben wir vielleicht viel mehr features und es ist überhaupt schwere auch die daten darzustellen
- oder die cluster sind nicht so einfach voneinander getrennt sich überlappen ein bisschen oder oder oder und um überwachtes lernen ist
- tatsächlich oft wie das überwachte lernen auch mit aufwand und arbeit verbunden es gibt nichts umsonst wir müssen alles
- was wir wissen haben darüber wie die daten entstanden sind und darüber was wir finden wollen mit in unseren algorithmus integrieren mehr noch
- vielleicht als wir es hier im beispiel gemacht haben damit unüberwacht das lernen gute ergebnisse liefert [Musik]
Zum Nachlesen
Künstliche IntelligenzKünstliche Intelligenz (kurz KI, englisch artificial intelligence, kurz AI) ist ein Forschungs- und Anwendungsgebiet der Informatik.
Maschinelles LernenMaschinelles Lernen (ML) entwickelt, untersucht und verwendet statistische Algorithmen, auch Lernalgorithmen genannt. Solche Algorithmen können lernen, …