Welche arten des Maschinellen lernen gibt es??
Was versteht man unter überwachtes lernen??
Was versteht man unter unüberwachtes lernen??
Lernverfahren und ihre Methoden
Was ist die Funktionsweise der Klassifikationen??
Beispieltrainingsdatensatz
Beispieltrainingsatz
Spam oder nicht Spam??
Was versteht man unter einem Entscheidungsbaum??
Induktion (Generierungs) eines Entscheidungsbaum
Und wie ist der Aufbau??
Wie sieht laut dem entscheidungsbaum nun das beispieltrainingsdatensatz aus??
Welche Möglichkeiten der Validierung von Klassifikatoren gibt es??
30-70 Split-Validierung
Kreuzvalidierung
Was versteht man unter der 30-70 Split-Validierung
Was versteht man unter der Kreuzvalidierung??
Es ist eine Methode um zu prüfen wie gut ein KI Modell auf neue Daten reagiert. Der Datensatz wird dabei in mehrer Teile aufgeteilt. Bsp: du hast 10 Datenpunkte, bei einer 5 fachen Kreuzvalidierung würdest du 5 dieser Punkte als Testdaten nehmen und die anderen 5 zum trainieren des Modells. Dann wiederholst du das ganze 5 mal, jedes Mal mit anderen testdaten.
Es stellt sicher: dass das Modell nicht nur auf den Trainingsdaten gut funktioniert sondern auch auf neue, ungesehenen Daten. Sie sorgt dafür, dass das Modell robust und generalisierbar ist.
Was sind die Trade-Off Kriterien für einen optimalen Entscheidungsbaum??
Was sind die Vor und Nachteile von Entscheidungsbäumen??
Wie sieht die Bewertung von KI-Modellen aus??
Was versteht man unter der Wahrheitsmatrix (engl. Confusion Matrix)??
Es ist eine Tabelle die in der KI und im maschinellen lernen verwendet wird, um die Leistung eines Klassifikationsmodells zu bewerten. Die Matrix zeigt wie oft das Modell beim der Vorhersage richtig oder falsch lag.
Nenne ein Beispiel für die Wahrheitsmatrix und fülle die Tabelle aus
Wie liest man die Tabelle bei der Wahrheitsmatrix mit dem Beispiel
Was sind die Auswirkungen in der Praxis
Nenne die Qualitätskennzahlen für die Klassifikation
Wie werden die berechnet, wie sieht die Formel aus?
Qualitätskennzhalen helfen dabei, die Leistung eines KI Modells zu bewerten.
Genauigkeit( wie viele Vorhersagen waren insgesamt richtig), Präzision( wie oft das Modell bei einer positiven Vorhersage auch wirklich richtig lag), Fehlerrate/ Sensitivität ( wie gut das Modell tatsächlich existierende positive fälle erkennt) , spezifität (wie oft das Modell negative fälle erkennt)
Es wurden schon Sensitivität, Spezifität,Präszision genannt welche gibt es noch
Wie werden die berechnet?
Wie berechnet man die Qualitätskennzahlen??
Die Genauigkeit und die Fehlerrate??
Was versteht man unter dem Problem der Überanpassung (engl. Overfitting)??
Gebe ein Beispiel und nenne eine Lösung dafür
Zuletzt geändertvor 3 Monaten
