Knowledge Discovery an der Karlsruher Institut für Technologie

Karteikarten und Zusammenfassungen für Knowledge Discovery an der Karlsruher Institut für Technologie

Arrow Arrow

Komplett kostenfrei

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

Lerne jetzt mit Karteikarten und Zusammenfassungen für den Kurs Knowledge Discovery an der Karlsruher Institut für Technologie.

Beispielhafte Karteikarten für Knowledge Discovery an der Karlsruher Institut für Technologie auf StudySmarter:


Which methods for splitting training and test data for evaluation do exist? (5x)


Beispielhafte Karteikarten für Knowledge Discovery an der Karlsruher Institut für Technologie auf StudySmarter:

Splitting methods - Hold-out 

  • Explanation
  • (Dis-)Advantages

Beispielhafte Karteikarten für Knowledge Discovery an der Karlsruher Institut für Technologie auf StudySmarter:

Splitting methods - Stratified sampling

  • Explanation
  • (Dis-)Advantages
Das war nur eine Vorschau der Karteikarten auf StudySmarter.
Flascard Icon Flascard Icon

Über 50 Mio Karteikarten von Schülern erstellt

Flascard Icon Flascard Icon

Erstelle eigene Karteikarten in Rekordzeit

Flascard Icon Flascard Icon

Kostenlose Karteikarten zu STARK Inhalten

Kostenlos anmelden

Beispielhafte Karteikarten für Knowledge Discovery an der Karlsruher Institut für Technologie auf StudySmarter:

How can Precision and Recall be improved?

Beispielhafte Karteikarten für Knowledge Discovery an der Karlsruher Institut für Technologie auf StudySmarter:

Dealing with overfitting - Strategies 

Beispielhafte Karteikarten für Knowledge Discovery an der Karlsruher Institut für Technologie auf StudySmarter:

How can overfitting in decision trees be avoided? (2 Approaches)

Beispielhafte Karteikarten für Knowledge Discovery an der Karlsruher Institut für Technologie auf StudySmarter:

What describes Linear Separability?

Das war nur eine Vorschau der Karteikarten auf StudySmarter.
Flascard Icon Flascard Icon

Über 50 Mio Karteikarten von Schülern erstellt

Flascard Icon Flascard Icon

Erstelle eigene Karteikarten in Rekordzeit

Flascard Icon Flascard Icon

Kostenlose Karteikarten zu STARK Inhalten

Kostenlos anmelden

Beispielhafte Karteikarten für Knowledge Discovery an der Karlsruher Institut für Technologie auf StudySmarter:

How can we optimize Multi-Layer ANNs?

Beispielhafte Karteikarten für Knowledge Discovery an der Karlsruher Institut für Technologie auf StudySmarter:

Optimization Algorithms - AdaGrad

Beispielhafte Karteikarten für Knowledge Discovery an der Karlsruher Institut für Technologie auf StudySmarter:

Optimization Algorithms - RMSProp

Beispielhafte Karteikarten für Knowledge Discovery an der Karlsruher Institut für Technologie auf StudySmarter:

Optimization Algorithms - Adam

Das war nur eine Vorschau der Karteikarten auf StudySmarter.
Flascard Icon Flascard Icon

Über 50 Mio Karteikarten von Schülern erstellt

Flascard Icon Flascard Icon

Erstelle eigene Karteikarten in Rekordzeit

Flascard Icon Flascard Icon

Kostenlose Karteikarten zu STARK Inhalten

Kostenlos anmelden

Beispielhafte Karteikarten für Knowledge Discovery an der Karlsruher Institut für Technologie auf StudySmarter:

What is supervised learning?

Kommilitonen im Kurs Knowledge Discovery an der Karlsruher Institut für Technologie. erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp. Jetzt mitmachen!

Jetzt mitmachen!

Flashcard Flashcard

Beispielhafte Karteikarten für Knowledge Discovery an der Karlsruher Institut für Technologie auf StudySmarter:

Knowledge Discovery


Which methods for splitting training and test data for evaluation do exist? (5x)


  1. Hold-out
  2. k-fold cross-validation
  3. Leave-one-out
  4. Bootstrapping
  5. Stratified sampling

Knowledge Discovery

Splitting methods - Hold-out 

  • Explanation
  • (Dis-)Advantages

Explanation

  • Split available data into two subsets: Training and Test Set
  • Train on training data, evaluate on test data

Advantages

  • Evaluation on data which is not used for training
  • easy to implement

Disadvantages

  • Not all the data is used for training
  • Evaluation results strongly depend on choice of training and test set

Knowledge Discovery

Splitting methods - Stratified sampling

  • Explanation
  • (Dis-)Advantages

Explanation

  • To "preserve" (= erhalten) characteristics of data

Advantage

  • Ability to preserve from unlabeled data

Disadvantages

  • Very complex
  • Requires high skills

Knowledge Discovery

How can Precision and Recall be improved?

  • Usually Precision leads to low Recall and vice versa
    • high Precision --> less FP & a lot TP --> less FN --> low Recall


Improve Precision: Return only relevant documents / test data

--> predicts cancer only if confident


Improve Recall: Return all documents / test data!

--> we do not miss too many cases of cancer

Knowledge Discovery

Dealing with overfitting - Strategies 

Strategy 1

  • use more training data

Strategy 2

  • controll complexity
  • For complex models, there is a greater chance that they are fitted accidentally by errors in data
  • Try to choose less complex model class from the beginning or control the complexity of the resulting

    model during learning

  • Use one simpel and one complex model


Conclusion 

  • Eine Verallgemeinerung ist möglich, wenn ein Modell auf einer ausreichend großen Trainingsdatenmenge gut funktioniert und es nicht

    zu komplex


Knowledge Discovery

How can overfitting in decision trees be avoided? (2 Approaches)

Preprunning

  • Stoppen Sie die Baumkonstruktion frühzeitig - teilen Sie einen Knoten nicht auf, wenn dies dazu führen würde, dass das Gutheitsmaß unter den Schwellenwert fällt
  • Difficult to choose an appropriate threshold 
  • Approach
    • Stop if number of instances is less than some user-specified threshold
    • Stop if expanding the current node does not improve information content

Postprunning

  • Entfernen Sie Äste von einem "ausgewachsenen" Baum - erhalten Sie eine Folge von progressiv beschnittenen Bäumen
  • Approach
    • Grow decision tree to its entirety
    • Trim the nodes of the decision tree in a bottom-up fashion

Knowledge Discovery

What describes Linear Separability?

Linear Separability – Classification problems for which a model can be expressed in the form of linear threshold functions are called linearly separable.


-->  Lineare Trennbarkeit -Klassifikationsprobleme, für die ein Modell in Form von linearen Schwellenwertfunktionen ausgedrückt werden kann, werden als linear trennbar.

Knowledge Discovery

How can we optimize Multi-Layer ANNs?

  • Dropout
  • Optimization Algorithms
    • Gradient Descent with Momentum
    • AdaGrad
    • RMSProp
    • Adam

Knowledge Discovery

Optimization Algorithms - AdaGrad

  • AdaGrad adapts the learning rate to the parameters
    • die Durchführung kleinerer Updates für Parameter, die mit häufig auftretenden Merkmalen verbunden sind, und
    • größere Updates für Parameter, die mit seltenen Features verbunden sind
  • Good for sparse (spärliche) data

Knowledge Discovery

Optimization Algorithms - RMSProp

  • AdaGrad decays the learning rate very aggressively
    • As a result the parameters will start receiving very small updates because of the decayed learning rate.
  • RMSProp automatically adjusts the learning rate

Knowledge Discovery

Optimization Algorithms - Adam

  • Adam is the combination of Momentum and RMSProp
    • Acceleration SGD in relevant direction, and
    • automatically update of learning rate 

Knowledge Discovery

What is supervised learning?

Goal is to learn a function that specifies the output for given input data

Melde dich jetzt kostenfrei an um alle Karteikarten und Zusammenfassungen für Knowledge Discovery an der Karlsruher Institut für Technologie zu sehen

Singup Image Singup Image
Wave

Andere Kurse aus deinem Studiengang

Für deinen Studiengang Knowledge Discovery an der Karlsruher Institut für Technologie gibt es bereits viele Kurse auf StudySmarter, denen du beitreten kannst. Karteikarten, Zusammenfassungen und vieles mehr warten auf dich.

Zurück zur Karlsruher Institut für Technologie Übersichtsseite

Patentrecht

Urheberrecht

Digital Services

DBS & XML

knochen an der

Universität Giessen

Knowledge Management an der

FernUniversität in Hagen

Mipham Rinpoche Gateway to Knowledge an der

Universität Hamburg

Knowledge Management an der

FernUniversität in Hagen

Knochen an der

Universität Frankfurt am Main

Ähnliche Kurse an anderen Unis

Schau dir doch auch Knowledge Discovery an anderen Unis an

Zurück zur Karlsruher Institut für Technologie Übersichtsseite

Was ist StudySmarter?

Was ist StudySmarter?

StudySmarter ist eine intelligente Lernapp für Studenten. Mit StudySmarter kannst du dir effizient und spielerisch Karteikarten, Zusammenfassungen, Mind-Maps, Lernpläne und mehr erstellen. Erstelle deine eigenen Karteikarten z.B. für Knowledge Discovery an der Karlsruher Institut für Technologie oder greife auf tausende Lernmaterialien deiner Kommilitonen zu. Egal, ob an deiner Uni oder an anderen Universitäten. Hunderttausende Studierende bereiten sich mit StudySmarter effizient auf ihre Klausuren vor. Erhältlich auf Web, Android & iOS. Komplett kostenfrei. Keine Haken.

Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards
Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards
X

StudySmarter - Die Lernplattform für Studenten

StudySmarter

4.5 Stars 1100 Bewertungen
Jetzt entdecken
X

Gute Noten in der Uni? Kein Problem mit StudySmarter!

89% der StudySmarter Nutzer bekommen bessere Noten in der Uni.

50 Mio Karteikarten & Zusammenfassungen
Erstelle eigene Lerninhalte mit Smart Tools
Individueller Lernplan & Statistiken


Lerne mit über 1 Millionen Nutzern in der kostenlosen StudySmarter App.

Du bist schon registriert? Hier geht‘s zum Login