Machine Learning an der Universität Bochum

Karteikarten und Zusammenfassungen für Machine Learning an der Universität Bochum

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 Machine Learning an der Universität Bochum.

Beispielhafte Karteikarten für Machine Learning an der Universität Bochum auf StudySmarter:

disadvantages of a neural network

Beispielhafte Karteikarten für Machine Learning an der Universität Bochum auf StudySmarter:

How is overfitting solved in a CNN?

Beispielhafte Karteikarten für Machine Learning an der Universität Bochum auf StudySmarter:

Decision Tree model
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 Machine Learning an der Universität Bochum auf StudySmarter:

What problem does the random forest solve?

Beispielhafte Karteikarten für Machine Learning an der Universität Bochum auf StudySmarter:

why is the parameter C in soft-margin SVM so important and how do we decide on it's size?

Beispielhafte Karteikarten für Machine Learning an der Universität Bochum auf StudySmarter:

outcome of logistic regression

Beispielhafte Karteikarten für Machine Learning an der Universität Bochum auf StudySmarter:

What can produce overfitting in logistic regression?
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 Machine Learning an der Universität Bochum auf StudySmarter:

How can the convolutional layer in a CNN be modified?

Beispielhafte Karteikarten für Machine Learning an der Universität Bochum auf StudySmarter:

Bagging (Boostrap aggregation)

Beispielhafte Karteikarten für Machine Learning an der Universität Bochum auf StudySmarter:

disadvantage of logistic regression

Beispielhafte Karteikarten für Machine Learning an der Universität Bochum auf StudySmarter:

Random Forest (training and prediction)
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 Machine Learning an der Universität Bochum auf StudySmarter:

the problem of decision trees

Kommilitonen im Kurs Machine Learning an der Universität Bochum. erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp. Jetzt mitmachen!

Jetzt mitmachen!

Flashcard Flashcard

Beispielhafte Karteikarten für Machine Learning an der Universität Bochum auf StudySmarter:

Machine Learning

disadvantages of a neural network
No interpretability
unknown runtime
parallel processing hardware needed

Machine Learning

How is overfitting solved in a CNN?
Use dropout layers

Set random activations in a certain layer to zero. Even though if some activations are dropped out, the network should still be able to classify all points correctly. Don't use this layer in testing.

Machine Learning

Decision Tree model
simple tree-structured model that makes one decision at a time. The nodes represent features and the conncections display the decision-making questions. The tree is built by maximizing the information gain or Geani-Index according to the feature that is most important for making the decision.


Machine Learning

What problem does the random forest solve?
The ability of a decision tree to overfit. This doesn't mean that this method is a cure to overfitting. It can still occur, but mostly the effext averages out.

Machine Learning

why is the parameter C in soft-margin SVM so important and how do we decide on it's size?
C tells us how much violation we have vs. the width of the margin

whenever we have one parameter to determine optimally --> can use: Cross Validation

Machine Learning

outcome of logistic regression
probabilistic output (eg score,..)
can't predict continuous outcome (features that influence decision must be dicrete: eg person has fever but temperature scale would be an appropriate feature

Machine Learning

What can produce overfitting in logistic regression?
sampling bias

if the outcome was produced by a poll where only a certain group participated, some feature could be overstated to cause a decision

Machine Learning

How can the convolutional layer in a CNN be modified?
The behavior can be adapted by stride and padding.

Stride shows how the filter convolves around the volume. For Example the layer can shift the output by one unit at a time. Make sure that the ouput volume still remains an integer. The goal is to shrink the output volume

Padding is used to keep the output dimensions high in the first convolutional layers of the network. Usually the dimension is reduced by these layers but that isn't wanted in the beginning. Zero padding puts zeros around output volume to keep the dimensions constant.

Machine Learning

Bagging (Boostrap aggregation)
ensemble method to combine different weak classifiers to a strong one

split training set into subsets and feed them into different models (advantage: each model gets different insight in data and training can be parallelized)
average over outcome of different models
this helps to avoid overfitting of some single models

Machine Learning

disadvantage of logistic regression
independent variables of problem must be known, otherwise logistic regression can't provide useful estimation of a probability

Machine Learning

Random Forest (training and prediction)
ensemble method to combine several decision trees to a stronger classifier

The training is done in different trees that make their decisino according to different processes or features. The output is combined afterwards and it is averaged over all trees
The prediction gets more trustworthy since it was trained on different models

Machine Learning

the problem of decision trees
If tree isn't fully grwon, there is an ability to overfit. In this case there is a feature that has more impact on the decision than others. The output becomes therefore biased too.

Melde dich jetzt kostenfrei an um alle Karteikarten und Zusammenfassungen für Machine Learning an der Universität Bochum zu sehen

Singup Image Singup Image

Online Marketing an der

Universität Erlangen-Nürnberg

Deep Learning an der

Hochschule Kempten

Learn by heart an der

TU München

Datenschutz E-Learning 👩🏻‍💻 an der

Universität Wien

Marketing learn stuff exam an der

Maastricht University

Ähnliche Kurse an anderen Unis

Schau dir doch auch Machine Learning an anderen Unis an

Zurück zur Universität Bochum 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 Machine Learning an der Universität Bochum 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