Data Mining: Classification - Advanced methods
30 flashcards · Computer Science · by ehartl
Was ist Inverse Reinforcement Learning?
Inverse Reinforcement Learning ist ein Ansatz im Reinforcement Learning, bei dem versucht wird, die Belohnungsfunktion zu ermitteln, die ein beobachtetes Verhalten erklärt.
Was ist das Prinzip des Maximum-Likelihood im Kontext von maschinellem Lernen?
Das Maximum-Likelihood-Prinzip ist eine Methode zur Schätzung der Parameter eines Modells, indem die Parameter so gewählt werden, dass die Wahrscheinlichkeit der beobachteten Daten maximiert wird.
Was ist ein Generative Adversarial Network (GAN)?
Ein GAN ist eine Art neuronales Netzwerk, das aus zwei Teilen besteht: einem Generator, der versucht, Daten zu erzeugen, die den echten Daten ähneln, und einem Diskriminator, der versucht, echte von gefälschten Daten zu unterscheiden.
Was ist Reinforcement Learning mit tiefen Q-Netzwerken (Deep Q-Learning)?
Deep Q-Learning ist ein Ansatz für Reinforcement Learning, bei dem ein tiefes neuronales Netzwerk verwendet wird, um die Q-Funktion zu approximieren, die den erwarteten Nutzen aus der Durchführung von Aktionen in verschiedenen Zuständen schätzt.
Was ist ein Variational Autoencoder (VAE)?
Ein VAE ist eine Art von Autoencoder, der eine probabilistische Interpretation der Kodierung und Dekodierung hat und es ermöglicht, neue Daten zu generieren, die der Verteilung der Trainingsdaten ähneln.
Was ist ein Autoencoder?
Ein Autoencoder ist eine Art neuronales Netzwerk, das zur Feature-Extraktion verwendet wird. Es lernt, Eingaben zu kodieren und dann zu dekodieren, um eine Repräsentation der Daten zu erzeugen, die die wichtigsten Merkmale einfängt.
Was ist Feature-Extraktion im Kontext der Klassifikation?
Feature-Extraktion ist der Prozess der Transformation der rohen Daten in ein Format, das für das maschinelle Lernen geeigneter ist, indem neue Merkmale abgeleitet oder berechnet werden.
Was ist das Konzept der Exploration und Exploitation im Reinforcement Learning?
Exploration und Exploitation beziehen sich auf das Dilemma im Reinforcement Learning, bei dem ein Agent zwischen dem Ausprobieren neuer Aktionen (Exploration) und dem Optimieren bekannter Aktionen (Exploitation) wählen muss.
Was ist ein Conditional Random Field (CRF)?
Ein Conditional Random Field ist ein statistisches Modell, das zur Vorhersage von Sequenzen von Zuständen basierend auf einer Reihe von Eingabebedingungen verwendet wird.
Was ist das Viterbi-Algorithmus?
Der Viterbi-Algorithmus ist ein dynamischer Programmieralgorithmus, der zur Bestimmung der wahrscheinlichsten Sequenz von verborgenen Zuständen in einem Hidden-Markov-Modell verwendet wird.
Was ist ein Hidden-Markov-Modell?
Ein Hidden-Markov-Modell ist ein statistischesModell, das zur Modellierung von Daten verwendet wird, die als sequenzielle Beobachtungen aus einem Markov-Prozess mit verborgenen Zuständen erzeugt werden.
Was ist Multi-Instance-Klassifikation?
Multi-Instance-Klassifikation ist eine Klassifikationsaufgabe, bei der jedem Datenobjekt eine Menge von Instanzen zugewiesen wird und die Klasse des Objekts auf der Grundlage der Klassen seiner Instanzen bestimmt wird.
Was ist Multi-Label-Klassifikation?
Multi-Label-Klassifikation ist eine Klassifikationsaufgabe, bei der jedem Datenobjekt mehrere Klassen zugewiesen werden können.
Was ist Reinforcement Learning?
Reinforcement Learning ist ein Ansatz für maschinelles Lernen, bei dem ein Agent durch Interaktion mit seiner Umgebung lernt und belohnt wird für korrekte Aktionen und bestraft für inkorrekte Aktionen.
Was ist Active Learning?
Active Learning ist ein Ansatz für maschinelles Lernen, bei dem das Modell die Daten auswählt, die es für das Training benötigt, was oft zu einer effizienteren Nutzung der gelabelten Daten führt.
Was ist Semi-Supervised Learning?
Semi-Supervised Learning ist ein Ansatz für maschinelles Lernen, bei dem sowohl gelabelte als auch ungelabelte Daten für das Training verwendet werden, was oft zu einer besseren Modellleistung führt.
Was ist eine Radial-Basis-Funktion (RBF) in Bezug auf SVMs?
Eine RBF ist eine Art von Kernel-Funktion, die in SVMs verwendet wird und die Distanz zwischen den Datenpunkten in einem höherdimensionalen Raum misst.
Was sind Support Vector Machines (SVMs) mit Kernel-Trick?
SVMs mit Kernel-Trick verwenden eine Kernel-Funktion, um Daten in einen höherdimensionalen Raum zu transformieren, in dem sie linear trennbar sind, was die Klassifikation komplexer Datenmuster ermöglicht.
Was ist Gradient Boosting?
Gradient Boosting ist eine Ensemble-Methode, die eine Folge von schwachen Klassifikatoren (oft Entscheidungsbäume) erstellt, wobei jeder folgende Klassifikator darauf abzielt, den Fehler der vorherigen durch Anpassung an den Gradienten der Verlustfunktion zu korrigieren.
Was ist ein Random Forest?
Ein Random Forest ist ein Ensemble-Klassifikator, der aus mehreren Entscheidungsbaum-Klassifikatoren besteht und deren Vorhersagen durch Mehrheitsabstimmung kombiniert.
Was sind selbstorganisierende Karten (SOMs)?
SOMs sind eine Art von künstlichen neuronalen Netzwerken, die für Clustering und Visualisierung von hochdimensionalen Daten verwendet werden, indem sie die Daten auf eine niedrigdimensionale (normalerweise zweidimensionale) Karte projizieren.
Was ist ein Gated Recurrent Unit (GRU)?
Ein GRU ist eine spezielle Art von RNN, die ähnlich wie LSTM langfristige Abhängigkeiten modellieren kann, aber eine einfachere Struktur hat.
Was ist Long Short-Term Memory (LSTM)?
LSTM ist eine spezielle Art von RNN, die speziell entwickelt wurde, um das Problem des Verschwindens des Gradienten in RNNs zu lösen und langfristige Abhängigkeiten in sequenziellen Daten zu modellieren.
Was ist Deep Learning?
Deep Learning ist eine Klasse von maschinellen Lernmethoden, die auf künstlichen neuronalen Netzwerken mit vielen Schichten (tiefen Netzwerken) basieren und in der Lage sind, komplexe Muster in groÃen Datenmengen zu lernen.
Was ist Backpropagation in neuronalen Netzwerken?
Backpropagation ist ein Algorithmus zur Anpassung der Gewichte in neuronalen Netzwerken basierend auf dem Fehler der Ausgabe des Netzwerks im Vergleich zur gewünschten Ausgabe.
Was sind Recurrent Neural Networks (RNNs)?
RNNs sind eine Art von neuronalen Netzwerken, die für die Verarbeitung von sequenziellen Daten entwickelt wurden und Rückkopplungsschleifen verwenden, um zeitliche Abhängigkeiten zu modellieren.
Was sind Convolutional Neural Networks (CNNs)?
CNNs sind eine Art von tiefen neuronalen Netzwerken, die speziell für die Verarbeitung von rasterbasierten Daten wie Bildern entwickelt wurden und Convolutional-Schichten verwenden, um lokale Merkmale zu erkennen.
Was ist ein Policy Gradient im Reinforcement Learning?
Ein Policy Gradient ist eine Methode im Reinforcement Learning, bei der die Parameter der Policy direkt durch Gradientenabstieg optimiert werden, basierend auf der geschätzten Rückgabe.
Was ist Transfer Learning?
Transfer Learning ist ein maschinelles Lernen Ansatz, bei dem ein Modell, das auf einer Aufgabe trainiert wurde, zur Lösung einer anderen, aber verwandten Aufgabe verwendet oder angepasst wird.
Was ist ein neuronales Netzwerk in Bezug auf Klassifikation?
Ein neuronales Netzwerk ist ein Klassifikationsmodell, das auf der Funktionsweise des menschlichen Gehirns basiert und aus miteinander verbundenen Neuronen besteht, die Informationen verarbeiten und weiterleiten.