NN01 - Das Perzeptron
Videos
Folien
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
Quizzes