MachineLearning at Technische Hochschule Nürnberg

Flashcards and summaries for MachineLearning at the Technische Hochschule Nürnberg

Arrow Arrow

It’s completely free

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

Study with flashcards and summaries for the course MachineLearning at the Technische Hochschule Nürnberg

Exemplary flashcards for MachineLearning at the Technische Hochschule Nürnberg on StudySmarter:

Was versteht man unter lazy learner?

Exemplary flashcards for MachineLearning at the Technische Hochschule Nürnberg on StudySmarter:

Was ist der Unteschied von einem Insanzbasierten Klassifikator zu einem Modellbasierten Klassifikator?

Exemplary flashcards for MachineLearning at the Technische Hochschule Nürnberg on StudySmarter:

Was ist der KNN für ein Klassifikator?

Exemplary flashcards for MachineLearning at the Technische Hochschule Nürnberg on StudySmarter:

Was ist die Grundidee des KNN Algorithmus?

Exemplary flashcards for MachineLearning at the Technische Hochschule Nürnberg on StudySmarter:

Komplexität des KNN Klasifikators?

Exemplary flashcards for MachineLearning at the Technische Hochschule Nürnberg on StudySmarter:

Mögliche Beschleunigung des KNN Klasifikators?

Exemplary flashcards for MachineLearning at the Technische Hochschule Nürnberg on StudySmarter:

Regression mittels KNN

Exemplary flashcards for MachineLearning at the Technische Hochschule Nürnberg on StudySmarter:

Zusammenfassung KNN

Exemplary flashcards for MachineLearning at the Technische Hochschule Nürnberg on StudySmarter:

Überblick Unüberwachtes Lernen

Exemplary flashcards for MachineLearning at the Technische Hochschule Nürnberg on StudySmarter:

Was ist Clustering?

Exemplary flashcards for MachineLearning at the Technische Hochschule Nürnberg on StudySmarter:

Welche Typen von Clustering Algorithmen gibt es?

Exemplary flashcards for MachineLearning at the Technische Hochschule Nürnberg on StudySmarter:

Was ist der K-means Algorithmus und wann kann man ihn verwenden?

Your peers in the course MachineLearning at the Technische Hochschule Nürnberg create and share summaries, flashcards, study plans and other learning materials with the intelligent StudySmarter learning app.

Get started now!

Flashcard Flashcard

Exemplary flashcards for MachineLearning at the Technische Hochschule Nürnberg on StudySmarter:

MachineLearning

Was versteht man unter lazy learner?
Ein lazy learner ist ein Insanzbasierter Klassifikator.

MachineLearning

Was ist der Unteschied von einem Insanzbasierten Klassifikator zu einem Modellbasierten Klassifikator?
Ein Insanzbasierter Klassifikator klassifiziert anhand der „gefüterrten“ Instanzen. Ein Modellbasierter Klassifikator erstellt ein Modell aus den Lerndaten.

MachineLearning

Was ist der KNN für ein Klassifikator?
Insanzbasierter Klassifikator (lazy learner)

MachineLearning

Was ist die Grundidee des KNN Algorithmus?
  • Klassifikation anhand k nächster Nachbarn
  • Mehr als 2 Klassen werden unterstützt
  • Klassifikation eines neuen  Merkmalvektors x :
    • Distanzen zwischen x und allen Trainingsdaten bestimmen
    • Bestimme die k nächsten Datenpunkte
    • Klasse x wird der Mehrheit der Klassen der k Nachbarn zugewiesen
  • Bei Binärentscheidung ungerader Wert für k sinnvoll.

MachineLearning

Komplexität des KNN Klasifikators?
Die Komplexität wächst mit den Trainingsbeispielen.

MachineLearning

Mögliche Beschleunigung des KNN Klasifikators?
  • Partielle Distanzen: Berechne die Distanzen sequentiell. D.h erst Dimension x1, dann x2 usw. Falls Gesamtdistanz über momentanen Minimum: brich Berechnung ab und gehe zum nächsten Prototypen
  • Suchbäume: Fasse Prototypen in Regionen zusammen und suche repräsentativem Prototyp der die dadurch entspannte Metazelle möglichst gut repräsentiert. Achtung: keine Garantie das tatsächlich der nächste gefunden wird
  • Kondensierend, Pruning: Eliminiere alle Prototypen die komplett von Prototypen der gleichen Klasse umgeben sind

MachineLearning

Regression mittels KNN
  • Keine Klassen sondern numerische Werte
  • Bestimme k nächsten Nachbarn
  • Mittelwertberechnung der numerischen Zielwerte dieser k nächsten Nachbarn

MachineLearning

Zusammenfassung KNN
Überwachter Klassifikator
Instanzbasiert
Vergleicht Distanzen
Funktioniert gut für kleine Datensätze
Kann nicht-lineare Klassengrenzen lernen

MachineLearning

Überblick Unüberwachtes Lernen
  • Keine gelabelten Daten im Gegensatz zu überwachtem Lernen
  • Kann nicht ohne weiters trainiert werden
  • Wozu sinnvoll?
    • Clustern -> Finden von Häufungsgebieten
    • Anomalieerkennung -> Wann weicht etwas von der Norm ab
    • Visualisierung und Dimensionsreduktion
  • Beispiele:
    • Thematisches Clustern von blogs
    • Clustern von Bildern mit ähnlichem Inhalt
    • Gruppieren von Kunden

MachineLearning

Was ist Clustering?
  • Ein Cluster ist eine Zusammenfassung von Datenpunkten
  • Ziel des Clusterns:
    • Finde eine repräsentative Zusammenfassung der Datenpunkte
    • Endliche Zahl von Clustern
    • Klassen-Labels sind A-priori unbekannt

MachineLearning

Welche Typen von Clustering Algorithmen gibt es?
Hierarchisches Clustering:
  • Agglomerativ/Bottom up: Beginne mit n >> k Clustern, kombiniere, bis n=k erreicht ist
  • Top Down: Beginne mit n=1 Cluster, und splitte bis n=k

Partitionierung:
  • Jedes Trainingsbeispiel gehört genau einem Cluster an
  • Wird mit Anzahl finaler Cluster initialisiert

Soft/Hard Clustering:
  • Samples gehören genau einem Cluster an
  • Samples gehen gedichtet in die Cluster ein

MachineLearning

Was ist der K-means Algorithmus und wann kann man ihn verwenden?
  • Schneller, greedy Algorithmus
  • Am sinnvollsten, wenn Anzahl der Cluster a-priori bekannt sind

  • Wähle randomisiert k Trainingsbeispiele als initiale Centroids
  • While true:
    • Ordne jedes Beispiel dem Cluster mit dem geringsten Abstand zum Centroid zu (Expectation)
    • berechne k neue Centroids durch Mitteln der Datenpunkte pro Cluster (Maximization)

Sign up for free to see all flashcards and summaries for MachineLearning at the Technische Hochschule Nürnberg

Singup Image Singup Image
Wave

Other courses from your degree program

For your degree program MachineLearning at the Technische Hochschule Nürnberg there are already many courses on StudySmarter, waiting for you to join them. Get access to flashcards, summaries, and much more.

Back to Technische Hochschule Nürnberg overview page

ENGLISCH

SoftwareArchitektur

Programmiersprachen

What is StudySmarter?

What is StudySmarter?

StudySmarter is an intelligent learning tool for students. With StudySmarter you can easily and efficiently create flashcards, summaries, mind maps, study plans and more. Create your own flashcards e.g. for MachineLearning at the Technische Hochschule Nürnberg or access thousands of learning materials created by your fellow students. Whether at your own university or at other universities. Hundreds of thousands of students use StudySmarter to efficiently prepare for their exams. Available on the Web, Android & iOS. It’s completely free.

Awards

Best EdTech Startup in Europe

Awards
Awards

EUROPEAN YOUTH AWARD IN SMART LEARNING

Awards
Awards

BEST EDTECH STARTUP IN GERMANY

Awards
Awards

Best EdTech Startup in Europe

Awards
Awards

EUROPEAN YOUTH AWARD IN SMART LEARNING

Awards
Awards

BEST EDTECH STARTUP IN GERMANY

Awards