Advertisement
Published in:
2020 | OriginalPaper | Chapter
2. Maschinelles Lernen ohne neuronale Netzwerke
Authors : Kenny Choo, Eliska Greplova, Mark H. Fischer, Titus Neupert
Published in: Machine Learning kompakt
Publisher: Springer Fachmedien Wiesbaden
Activate our intelligent search to find suitable subject content or patents.
Select sections of text to find matching patents with Artificial Intelligence. powered by
Select sections of text to find additional relevant content using AI-assisted search. powered by
Zusammenfassung
Obwohl maschinelles Lernen oft unmittelbar mit neuronalen Netzwerken und Deep Learning verbunden wird, gibt es viele hilfreiche Algorithmen, die auch ohne neuronale Netzwerke auskommen. In diesem Kapitel werden einige solcher Methoden, wie Hauptkomponentenanalyse und lineare Regression, besprochen. Sie haben den Vorteil, dass sie mathematisch präziser behandelt werden können und oft eine einfache erste Charakterisierung von Strukturen in komplexen Daten ermöglichen. Am Beispiel der linearen Regression wird zumdem der Workflow beim maschinellen Lernen vorgestellt und das Gegenspiel zwischen Varianz und Verzerrung diskutiert - unabhängig von neuronalen Netzwerken.