Buffl

Lektion 3 - Technologien in Digital Health

MS
by Mathäus S.

Wie unterscheiden sich Überwachtes Lernen, Unüberwachtes Lernen und Bestärkendes Lernen?


Überwachtes Lernen:

  • Definition: Lernmethode, bei der der Algorithmus mit gelabelten Daten trainiert wird.

  • Daten: Jedes Trainingsbeispiel besteht aus einem Input und einem bekannten Output (Label).

  • Ziel: Eine Funktion oder Regel ableiten, um neue, ungekennzeichnete Daten korrekt zu klassifizieren oder vorherzusagen.

  • Beispiel: Klassifikation von E-Mails als „Spam“ oder „Nicht-Spam“, Vorhersage von Immobilienpreisen basierend auf historischen Daten.

Unüberwachtes Lernen:

  • Definition: Lernmethode, bei der der Algorithmus mit ungelabelten Daten arbeitet.

  • Daten: Nur Input-Daten, ohne bekannte Outputs oder Labels.

  • Ziel: Strukturen, Muster oder Gruppen in den Daten erkennen und verstehen.

  • Beispiel: Clusteranalyse zur Kundensegmentierung, Dimensionsreduktion zur Datenvisualisierung.

Bestärkendes Lernen:

  • Definition: Lernmethode, bei der ein Agent durch Interaktionen mit seiner Umgebung lernt.

  • Daten: Kein explizites Set an Input-Output-Paaren; der Agent erhält Belohnungen oder Strafen basierend auf seinen Aktionen.

  • Ziel: Strategien entwickeln, um langfristige Belohnungen zu maximieren.

  • Beispiel: Ein Roboter, der lernt, ein Labyrinth zu durchqueren, Spiele wie Schach oder Go spielen.

Vergleich:

  • Überwachtes Lernen: Notwendigkeit von gelabelten Daten; Vorhersage und Klassifikation.

  • Unüberwachtes Lernen: Kein Bedarf an gelabelten Daten; Mustererkennung und Strukturentdeckung.

  • Bestärkendes Lernen: Lernprozesse basierend auf Belohnungen und Bestrafungen; Entscheidungsfindung und Strategieentwicklung.


Author

Mathäus S.

Information

Last changed