NN01 - Das Perzeptron

Kurze Übersicht

Definition "Maschinelles Lernen"

Fähigkeit zu lernen, ohne explizit programmiert zu werden. (Arthur Samuel, 1959)

Arten des Lernens

  • Überwachtes Lernen (e.g. Klassifizierung, Regression)
  • Unüberwachtes Lernen (e.g. Clustering, Dimensionsreduktion)
  • Bestärkendes Lernen (e.g. Schach spielen)

Formalisierung

  • Zielfunktion $f$
  • Merkmalraum (input space)
  • Ausgaberaum (output space)
  • Datensatz $\mathcal{D}$
  • Hypothesenmenge $\mathcal{H}$
  • Lernalgorithmus $\mathcal{A}$

Das Perzeptron

Ein einfaches Modell für die binäre Klassifizierung

  • Bilde gewichtete Summe (Linearkombination) der Merkmale
  • Vergleiche das Ergebnis mit einem Schwellenwert
    • Positiv, falls über dem Schwellenwert
    • Negativ, falls unter dem Schwellenwert
  • Gewichte und Schwellenwert sind unbekannte Parameter des Modells, die es zu lernen gilt > siehe Perzeptron Lernalgorithmus
Übungsblätter/Aufgaben
Lernziele
  • (K2) Arten des maschinellen Lernens
  • (K2) Formalisierung eines ML-Problems, insbesondere Klassifizierung: Datensatz, Merkmalraum, Hyphotesenfunktion, Zielfunktion
  • (K2) Perzeptron als linearer Klassifizierer
  • (K2) Entscheidungsgrenze
  • (K3) Berechnung der Entscheidungsgrenze
  • (K3) Perzeptron Lernalgorithmus