„Machine Learning“ einfach erklärt

„Machine Learning“ einfach erklärt

Kilian

„Machine Learning“ einfach erklärt

|

Kilian

Einfach gesagt ist Machine Learning der Einsatz von Daten, damit ein Algorithmus Vorhersagen treffen kann. Die Methoden im maschinellen Lernen sind grob in drei Hauptkategorien gegliedert: Supervised Learning (Überwachtes Lernen), Unsupervised Learning (Unüberwachtes Lernen) und Reinforcement Learning (Verstärkendes Lernen).

Supervised Learning beschreibt den Einsatz von vorhandenen Daten um ein statistisches Modell abzuleiten, womit Werte oder Kategorien vorhergesagt werden können. Als Beispiele kann man die Vorhersage von Umsatz, die Vorhersage von Kündigungen durch Mitarbeiter oder das Erkennen von Verkehrsschildern anführen.

Unsupervised Learning hingegen nutzt die Struktur von Daten an sich, um Gruppen zu bilden, Ausreißer zu erkennen oder häufig zusammen auftretende Ereignisse zu identifizieren. Diese Algorithmen werden eingesetzt um Kundengruppen mit ähnlichem Verhalten zu identifizieren, um die Produktplatzierung auf Websites zu optimieren oder um Betrugsversuche zu erkennen.

Das Reinforcement Learning hingegen nutzt ein System aus Ziel, Aktion und Belohnung, damit der Algorithmus eine optimale Lösung findet. Als einfaches Beispiel gilt die Fortbewegung von Robotern, indem man gewisse Ereignisse (z.B. Kollision) als schlecht, andere hingegen (z.B. geringer Energieverbrauch) als gut bewertet.

Zusammengefasst hat Machine Learning zum Ziel, dass Computersysteme menschliches Verhalten imitieren, ohne dass ihnen die konkreten Regeln beigebracht werden. Die Basis für diese Extraktion von Wissen bilden Daten, von denen die Algorithmen abstrahieren.

Begriffsabgrenzung

Machine Learning ist nur ein Teilgebiet der Künstlichen Intelligenz (KI). Deep Learning hingegen ist nur eine Methodik innerhalb von Machine Learning. Data Mining nutzt viele der Machine Learning Methoden, konzentriert sich aber primär auf das finden neuer Muster innerhalb der vorliegenden Daten. Big Data, also große Datenmengen, sind häufig die Grundlage für eine gute Vorhersagequalität von Machine Learning Methoden, aber kein absolutes Muss.

Für Details zum Thema Machine Learning, besucht unseren ausführlichen Beitrag „Machine Learning: Definition, Algorithmen und Beispiele von maschinellem Lernen„.

Weitere Beiträge zum Thema Data Driven Company direkt per E-Mail bekommen:

About the author

Pretium lorem primis senectus habitasse lectus donec ultricies tortor adipiscing fusce morbi volutpat pellentesque consectetur risus molestie curae malesuada. Dignissim lacus convallis massa mauris enim mattis magnis senectus montes mollis phasellus.