Machine Learning Was wir alles nicht behandelt haben.

Präsentation zum Thema: "Machine Learning Was wir alles nicht behandelt haben."—  Präsentation transkript:

1 Machine Learning Was wir alles nicht behandelt haben

2 Weitere Ansätze Genetische Algorithmen Computationelles Lernen Lernen von Regelmengen / induktives Lernen Reinforcement Learning Support Vector Maschinen

3 Genetic Learning Basieren auf genetischen Algorithmen Orientiert an biologischem Modell Ursprünglich: Optimierungsprobleme (= finde den besten aus einer Menge von Kandidaten) Idee: –Mache zufällig eine große Anzahl von Vermutungen –Evaluiere diese Vermutungen und finde die Besten –Kombiniere dieses besten Vermutungen um neue Vermutungen zu machen –Wiederhole dieses Verfahren für eine Reihe (=Generation) von Vermutungen Gute Methode, wenn –Kein oder wenig Hintergrundwissen verfügbar –Großer Hypothesenraum

4 SVM (Support Vector Machines) Basieren auf Idee der trennenden Hyperebenen Normalerweise sind Probleme nicht linear separierbar Statt die Trennfläche zu bestimmen, finde mathematische Funktionen (=Kernels), die die Objekte im Vektorraum so transformieren, dass sie linear separierbar werden Typischerweise für Klassifikationsprobleme verwendet Support Vector Machines (SVM) Introductory Overview

5 Reinforcement Learning Beispiel: Lernen von Spielstrategien Trial and error learning Modelliert Interaktion zwischen einem Agenten und seiner Umwelt durch –Actions –States –Rewards Beinhaltet: –Ziel/Zweck –Effekt –Unsicherheit und nicht-Determinismus Markov Entscheidungsprozesse

6 Induktives Lernen Lernen von Regeln (z.B. Horn-Klauseln) Logik-basiert Generalisierung von Regeln Spezialisierung von Regeln