Kapitel 3. Klassifizierungsmodelle

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com

Das im vorigen Kapitel vorgestellte maschinelle Lernmodell verwendet verschiedene Formen der Regression, um Taxitarife auf der Grundlage der Entfernung, des Wochentags und der Tageszeit vorherzusagen. Regressionsmodelle sagen numerische Ergebnisse voraus und werden in der Industrie häufig eingesetzt, um Verkäufe, Preise, die Nachfrage und andere Zahlen, die Geschäftsentscheidungen beeinflussen, vorherzusagen. Genauso wichtig sind Klassifizierungsmodelle, die kategorische Ergebnisse vorhersagen, z. B. ob eine Kreditkartentransaktion betrügerisch ist oder welchen Buchstaben des Alphabets ein handgeschriebenes Zeichen darstellt.

Die meisten Klassifizierungsmodelle lassen sich in zwei Kategorien einteilen: Binäre Klassifizierungsmodelle, bei denen es nur zwei mögliche Ergebnisse gibt, und Mehrklassen-Klassifizierungsmodelle, bei denen es mehr als zwei mögliche Ergebnisse gibt. In beiden Fällen ordnet das Modell einer Eingabe eine einzige Klasse, das sogenannte Klassenlabel, zu. Weniger verbreitet sind Multilabel-Klassifizierungsmodelle, die eine einzelne Eingabe mehreren Klassen zuordnen können, z. B. indem sie vorhersagen, dass es sich bei einem Dokument sowohl um einen Artikel über maschinelles Lernen als auch um einen Artikel über Genomik handelt. Manche Modelle können auch vorhersagen, dass eine Eingabe zu keiner ...

Get Angewandtes maschinelles Lernen und KI für Ingenieure now with the O’Reilly learning platform.

O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.