Video: Künstliche Intelligenz, Maschinelles Lernen - Entstehung, Forschungsstand & Ausblick 2024
Teil von Machine Learning For Dummies Cheat Sheet < Beim maschinellen Lernen werden viele verschiedene Algorithmen verwendet. Diese Tabelle gibt Ihnen einen schnellen Überblick über die Stärken und Schwächen verschiedener Algorithmen.
Algorithmus
| Best in | Pros | Cons | Zufälliger Wald |
| Geeignet für fast jedes maschinelle Lernproblem | Bioinformatik
Kann parallel arbeiten |
Seltene Überfits > Bearbeite fehlende Werte automatisch
Keine Notwendigkeit zur Transformation einer Variablen Keine Notwendigkeit zur Optimierung von Parametern Kann von fast jedem mit ausgezeichneten Ergebnissen verwendet werden Schwer zu interpretieren Schwächer bei Regression bei der Schätzung von Werten bei die Extremitäten der Verteilung der Response-Werte |
Biased in Multiclass-Problemen zu häufigeren Klassen
Gradient Boosting Apt bei fast jedem Machine Learning Problem |
| Search Engines (das Problem des Lernens zu Ranking zu lösen) > Kann die meisten nichtlinearen Funktionen approximieren | Klassenbeste Prädiktor
Bearbeitet fehlende Werte automatisch |
Es muss keine Variable transformiert werden
Kann zu viele Iterationen ausführen Sensibel zu verrauschten Daten und Ausreißer Funktioniert nicht ohne Parameterabstimmung |
Lineare Regression
Baseline predic Ökonometrische Vorhersagen |
| Modellierung von Marketingantworten | Einfach zu verstehen und zu erklären
Es überfüllt selten Die Verwendung von L1 & L2 Regularisierung ist bei der Feature-Auswahl effektiv |
Schnell trainieren
Einfach zu Trainieren Sie mit Big Data dank seiner stochastischen Version Sie müssen hart arbeiten, um nichtlineare Funktionen anpassen zu können Kann unter Ausreißern leiden Support Vector Machines |
Zeichenerkennung
Bilderkennung |
| Text Klassifikation | Automatische nichtlineare Merkmalserstellung
Kann komplexe nichtlineare Funktionen approximieren Bei nichtlinearen Kerneln schwer zu interpretieren |
Leidet an zu vielen Beispielen, nach 10 000 Beispielen dauert es zu lange um zu trainieren
K-nächstgelegene Nachbarn |
Computer Vision
Multilabel-Tagging |
| Empfehlungssysteme | Probleme bei der Rechtschreibprüfung
Schnelles, faules Training Kann natürlich extreme Multiklassenprobleme bewältigen (wie Text markieren) Langsam und schwerfällig in der Vorhersagephase |
Kann nicht korrelieren vorhersagen ectly aufgrund des Fluchs der Dimensionalität
Adaboost |
Gesichtserkennung
verarbeitet fehlende Werte automatisch |
| keine Veränderung der Variablen nötig | sie passt nicht leicht | wenige Parameter zum Tweak > Es kann viele verschiedene schwache Lernende wirksam einsetzen
Empfindlich gegen verrauschte Daten und Ausreißer Niemals die besten Vorhersagen in der Klasse Naive Bayes Gesichtserkennung |
Sentimentanalyse
Spamerkennung |
| Textklassifizierung | Einfach und schnell zu implementieren, erfordert nicht zu viel Speicher und kann für Online-Lernen verwendet werden
Leicht verständlich Berücksichtigt Vorkenntnisse Starke und unrealistische Merkmalsunabhängigkeit > Scheitert an der Schätzung seltener Ereignisse |
Leidet an irrelevanten Merkmalen
Neuronale Netze Bilderkennung |
Spracherkennung und Übersetzung
Spracherkennung Sichterkennung |
| Kann jede nichtlineare Funktion approximieren | Robust gegen Ausreißer
Funktioniert nur mit einem Teil der Beispiele (der Unterstützungsvektor s) Sehr schwer einzurichten Aufgrund zu vieler Parameter ist es schwierig, die Architektur zu optimieren. Außerdem muss die Architektur des Netzwerks festgelegt werden. |
Schwer zu interpretieren
Einfach zu überholen Logistische Regression < Ergebnisse nach der Wahrscheinlichkeit sortieren |
Modellierung von Marketingantworten
Einfach zu verstehen und zu erklären Es überfüllt selten Die L1- und L2-Regularisierung ist bei der Feature-Auswahl effektiv |
| Der beste Algorithmus zur Vorhersage der Wahrscheinlichkeiten eines event | Schnell trainieren
Dank der stochastischen Version ist es einfach, auf Big Data zu trainieren |
Man muss hart arbeiten, um nichtlineare Funktionen zu erfüllen
Kann an Ausreißern leiden SVD Recommender Systeme können Daten auf sinnvolle Weise umstrukturieren schwer zu verstehen, warum Daten in einer bestimmten Weise umstrukturiert wurden |
PCA
Kollinearität entfernen |
| Dimensionen des Datensatzes reduzieren | kann Datendimensionalität reduzieren | Enthält starke lineare Annahmen (Komponenten sind gewichtete Summierungen von Merkmalen) K-means | Segmentation |
| Schnelle Suche nach Clustern | Kann Ausreißer in mehreren Dimensionen erkennen
Leidet an Multikollinearität |
Cluster sind kugelförmig, können keine Gruppen anderer Form erkennen | Instabil Lösungen, hängt von der Initialisierung |
Die Wahl des Herausgebers
Netzwerkgrundlagen: IPv6-Adresse Vereinfachte Notation - DummiesBei der Arbeit mit IPv6-Adressen kann es viel Zeit in Anspruch nehmen. schreibe deine Adressen - immerhin sind sie 128 Bit lang. Um das Leben einfacher zu machen, gibt es einige Regeln, die Sie verwenden können, um diese Schreibweise zu verdichten: Führende Nullen in der Adresse sind optional. Für einen Adressblock wäre also 0A45 gleich A45, ...
Netzwerkgrundlagen: IP-Netzwerkklassen - DummiesNetzwerkadressierungsarchitektur unterteilt den Adressraum für Internet Protocol Version 4 (IPv4 ) in fünf Adressklassen. Jede Klasse, die in den ersten vier Bits der Adresse codiert ist, definiert entweder eine andere Netzwerkgröße, d.h. e. Anzahl der Hosts für Unicast-Adressen (Klassen A, B, C) oder Multicast-Netzwerk (Klasse D). Die fünfte Klasse (E) address ... 
Netzwerkgrundlagen: Netzwerkport Übersicht - DummysIn TCP / IP- und UDP-Netzwerken ist ein Port ein Endpunkt eine logische Verbindung. Die Portnummer gibt an, um welchen Port es sich handelt. Port 80 wird beispielsweise für HTTP-Datenverkehr verwendet. Wenn Sie einen Befehl wie netstat -n unter Microsoft Windows oder Linux verwenden, sehen Sie eine Auflistung der lokalen Adressen ... Die Wahl des Herausgebers
Excel-Dashboards: Wie Sie Ihr erstes Makro aufzeichnen - DummiesWenn Sie ein Anfänger auf dem Dashboard sind Automatisierung in Excel ist es unwahrscheinlich, dass Sie den VBA-Code (Visual Basic für Applikationen) von Hand schreiben können, um Makros zu erstellen. Ohne vollständige Kenntnis des Objektmodells und der Syntax von Excel wäre das Schreiben des benötigten Codes für die meisten Anfänger unmöglich. Hier können Sie ein Makro aufzeichnen ... 
Excel-Formelberechnungsmodi - DummysStandardmäßig ist Excel so eingestellt, dass es automatisch neu berechnet wird. Wenn Sie eine der Zellen ändern, auf die in einer bestimmten Formel verwiesen wird, berechnet Excel diese Formel automatisch neu, sodass ein korrektes Ergebnis basierend auf den Änderungen in den Zellbezügen zurückgegeben wird. Wenn die Formel, die neu berechnet wird, auch als Zellenreferenz in anderen verwendet wird ...
Excel Formelfehler - DummiesEs ist nicht immer glatt, wenn Sie mit Excel-Formeln arbeiten. Manchmal gibt eine Formel einen Fehlerwert anstelle des erwarteten Werts zurück. Excel hilft Ihnen, das Problem zu identifizieren, indem Sie einen von sieben Fehlerwerten zurückgeben: # DIV / 0! , # N / A, #NAME? , #NULL! , #NUM! , #REF! und #WERT! , erklärt in der folgenden Liste: # DIV / 0! : ... Die Wahl des Herausgebers
Teilen, Weiterverbreiten und Kommentieren von Google+ Posts - Dummies, Wenn Sie mit der Verwendung und Veröffentlichung beginnen Bei Google+ möchten Sie gelegentlich Links und Bilder teilen, die Beiträge anderer freigeben, ihre Beiträge kommentieren und andere in Ihren eigenen Google+ Beiträgen erwähnen. Vielleicht fragen Sie sich auch, wie Sie andere dazu bringen, Ihre eigenen Beiträge öfter zu kommentieren. Teilen von Links und Bildern in Google+ So geben Sie ein ... 
Teilen Ihrer Google+ Posts mit bestimmten Personen - DummiesBeiträge auf Google+ sind ganz einfach und können posten Text, Links, Fotos, Videos und sogar Ihren aktuellen Standort. Der schwierigste Teil des Beitrags auf Google+ besteht darin, auszuwählen, wen Sie Ihren Beitrag sehen möchten. Google+ verwendet Ihre Kreise, um festzulegen, wer Ihre Beiträge sehen kann. Kreise sind etwas einfacher als Listen, weil ... 
Taggen von Personen in Google+ Fotos - DummiesSie können Personen in Ihren Kreisen auf jedem Foto auf Google+ markieren. Wenn Sie eine Person in einem Foto taggen, wird diese Person über ihre Google+ Benachrichtigungen benachrichtigt. Sie können dann das Tag entfernen oder genehmigen, und das Foto wird mit dem Tag des Namens dieser Person darin angezeigt. Um jemanden zu markieren, ... Die Wahl des Herausgebers |
