Das Video kommt von YouTube: erst beim Abspielen verbindet sich die Seite mit YouTube (Google).
#4 Überwachtes Lernen – Klassifikation I So lernen Maschinen
Das Wichtigste aus dem Video
Tipp auf eine Zeit – das Video springt genau dorthin.
Transkriptautomatisch erstellt · 29 Zeilen
- [Musik] im letzten video haben wir die regression kennengelernt da ging es um die vorhersage eines kontinuierlichen
- werz also wenn wir vorher sagen wie viele eiskugeln wir verkaufen dann macht jeder wert zwischen 0 10 100 oder 1000 sind deswegen kontinuierlich jetzt soll
- es um die klassifikation gehen und bei der klassifikation geht es darum jeden daten punkt eine klasse zuzuordnen das kann zum beispiel heiße dieses bild
- gehört das zur klasse hund katze oder maus genau unsere veranstaltung haben wir uns auch hier wieder ein beispiel ausgedacht und dazu stellen wir uns
- jetzt eine manufaktur vor die skulpturen aus messing herstellt und um skulpturen aus messing herzustellen erhitzt man kupfer und zink im
- schmelzofen und gibt es dann in die richtige form stellen uns mal vor in dieser manufaktur gibt es einen meister der in seinem leben viel erfahrung
- gesammelt hat wie man solche skulpturen macht und an irgendeinem tag ist aus irgendwelchen gründen plötzlich vorbei ist und die lehrlinge versuchen jetzt
- den laden bestmöglich weiterhin zu schmeißen sie gießen als die skulpturen und merken aber manche gute qualität manche haben aber leider schlechte
- qualität und zerbrechen einfach und sie überlegen sich dann was können wir da tun und sie erinnern sich daran dass er meist einmal gesagt hat das
- mischungsverhältnis von kupfer und zink ist wichtig und auch die temperatur im ofen hat einen besonderen einfluss auf die qualität von da an also notieren sie
- sich für jede skulptur das mischungsverhältnis und die temperatur im schmelzofen oder um es in der sprache des maschinellen lernens auszudrucken
- sie sammeln daten mit features die features hier also mischungsverhältnis und temperatur mit zugehörigem label also dem zielwert hier also die klasse
- gute qualität oder schlechte qualität das ganze ist recht ähnlich dem setting wie wir es gerade bei der regression hatten wir haben also wieder unsere
- tabelle mit den daten und wieder bietet sich eine grafische darstellung dieser daten an das heißt wir zeichnen ein koordinatensystem auf der x-achse
- zeichnen wir die temperatur im schmelzofen an auf der y-achse das mischungsverhältnis von zink kupfer und jeden daten punkt tragen wir in dieses
- koordinatensystem ein nur dass wir jetzt die datenpunkte auch einfärben und zwar einfärben je nachdem welche klasse sie hatten und die
- aufgabe des klassifikations algorithmus ist es jetzt diese beiden klassen voneinander zu trennen und in diesem einfachen datensatz bietet sich eine
- linie an also einfach eine gerade links von der gerade dann die teile schlechter qualität und rechts 100 gerade die teile hoher qualität
- unser klassifikations algorithmus findet uns genauso eine gerade die diese trennung guter und schlechter teile ermöglicht für unsere lehrlinge heißt
- dass sie wissen wenn sie teile mit einem geringen mischungsverhältnis und hoher schmelztemperatur anfertigen dass diese relativ sicher auf der seite tyler guter
- qualität landen in diesem beispiel haben wir jetzt einige sehr vereinfachen der anderen getroffen zum beispiel dann gesagt es
- gibt nur zwei klassen gute und schlechte qualität und haben auch gesagt es gibt nur zwei eigenschaften also zwei features das mischungsverhältnis und die
- temperatur glücklicherweise waren die daten recht einfach zehn war durch eine einfache linie in der echten welt ist das leider
- recht oft anders also wir haben oft viel mehr klassen als nur zwei und sehr viel mehr eigenschaften und daten sind oft irgendwie durcheinander stummen
- überlappen sich und nur sehr schwer denn war zum glück gibt es einen regelrechten zu an klassifizierungs methoden der auch mit solchen schäden settings klarkommt
- aber unser beispiel auch wenn es vielleicht albern gewirkt hat ist viel näher an der realität denn in echten produktionsstraßen den
- echten fabriken da geht es sehr oft darum herauszufinden von welchen parametern denn die qualität des produkts abhängt und da dort nicht nur
- zwei sondern tausende features auftauchen kann das kein meister mehr überblicken und das heißt man schnelles lernen bietet uns hier einen guten
- ansatz um herauszufinden wie wir die qualität eines produktes verbessern können [Musik]
Zum Nachlesen
KlassifikationsverfahrenDas Erzeugen von Strukturen aus vorhandenen Daten wird auch als Mustererkennung, Diskriminierung oder überwachtes Lernen bezeichnet. Dabei werden …
Überwachtes LernenÜberwachtes Lernen (englisch supervised learning) ist eine wichtige Kategorie des Maschinellen Lernens. Dabei wird ein Lernalgorithmus mit Datensätzen …
Maschinelles LernenMaschinelles Lernen (ML) entwickelt, untersucht und verwendet statistische Algorithmen, auch Lernalgorithmen genannt. Solche Algorithmen können lernen, …
SchweißprozessüberwachungNebenstehende Abbildungen zeigen die Gruppen von Lernobjekten sequenziell als Profilplot und im Streudiagramm über jeweils zwei Merkmale mit einem Einzelobjekt …