Wie funktioniert maschinelles Lernen?
Überwachtes Lernen
- Beschreibung:
- Es werden eine Vielfahl von vorher klassifizeirten Eingaben trainiert. Aufgrund der dort gewonnen trainierten Eingaben, kann die Maschine aus neue, ähnliche Eingaben erkennen.
- Beispiel:
- Bei der Handschrifterkennung werden eine Vielzahl von handschriftschriftlichen Eingaben von der Maschinen gelernt und eintrainiert. Da sich die Eingaben (zB. zu einer Zahl 1) ähneln, er kennt die Maschine die Eingabe mit zunehmenden Training immer besser.
Nicht-Überwachtes Lernen
- Beschreibung:
- Die Maschine erkennt Auffälligkeiten in Strukturen, indem sie diese nach ähnlichen gesichtspunkten Clustern ohne etwas über deren genauen Inhalt zu kennen.
- Beispiel:
- Ein Onlineshop möchte wissen welche Art von Kunden er hat. Dadurch versteht er unterschiedliche Kaufanreize und kann ggf. gezielter Werbung schalten.
Bestärkendes Lernen
- Beschreibung:
- Die Maschine hat keine Informationen über die Daten die er analysieren soll. Nachdem sie seine Arbeit verrichtet, wird Sie von außen bewertet woraufhin die Gewichtungen der Maschine angepasst werden.
- Beispiel:
- Bei einem Spiel (zB. Vier-Gewinnt, Go-Spiel, Starcraft 2 etc. ) wird jeder Sieg (oder gute Spielsituation) belohnt. Nach und nach verbessert sich die Maschine und kann das Spiel immer besser spielen..