Übersicht über maschinelle Lernverfahren

Ansätze des maschinellen Lernens werden traditionell in drei Kategorien unterteilt, je nach Art der zur Verfügung stehenden Informationen und des Analyseziels. Dieser Artikel gibt einen kurzen Überblick über die drei Ansätze.

Veröffentlicht am 01.02.2022. Zuletzt aktualisiert am 01.02.2022. 277 Wörter.

Ansätze des maschinellen Lernens werden traditionell in drei Kategorien unterteilt, je nach Art der zur Verfügung stehenden Informationen und des Analyseziels:

Supervised Learning (Überwachtes Lernen)

Dem Verfahren werden Trainingsdaten zur Verfügung gestellt, welche spätere Eingabe und Ausgabe beinhalten, um eine allgemeine Regel zu lernen, die die Eingaben den Ausgaben zuordnet. So trainieren zum Beispiel Mobilfunkanbieter auf der Basis der Daten ehemalige Kunden ein Modell um vorherzusagen, wie wahrscheinlich eine Kündigung durch einen bestehenden Kunden ist (Churn Prediction).

Unsupervised Learning (Unüberwachtes Lernen)

Im Gegensatz zum überwachten Lernen werden dem Verfahren keine Trainingsdaten mit Eingaben und Ausgaben vorgegeben, das Verfahren soll vielmehr ohne Vorgabe eine Struktur in den gegebenen Daten finden. Unüberwachtes Lernen wird zur Entdeckung verborgener Muster in Daten oder dem Identifizieren von bedeutsamen Merkmalen eingesetzt.

Reinforcement Learning (Verstärkendes Lernen)

Lernverfahren, welches durch Interaktion mit einer dynamischen Umgebung unter kontinuierlichem Erhalt von Rückmeldung eine Zielfunktion maximiert. Beispiele hierfür sind die Steuerung eines Fahrzeugs oder das Spielen eines Spiels gegen ein oder mehrere Gegner. Das Verstärkungslernen unterscheidet sich vom überwachten Lernen dadurch, dass keine Trainingsdaten (Eingabe- und Ausgabedatenpaare) präsentiert werden müssen und dass suboptimale Aktionen nicht explizit korrigiert werden müssen. Stattdessen liegt der Schwerpunkt auf der Suche nach einem Gleichgewicht zwischen der Erkundung und der Ausnutzung des aktuellen Wissens. Üblicherweise werden diese Verfahen als Markov-Entscheidungsprozess modelliert, einem mathematischen Rahmen für die Modellierung der Entscheidungsfindung in Situationen, in denen die Ergebnisse teilweise kontrollierbar und teilweise zufällig sind.

alt Übersicht über maschinelle Lernverfahren: Supervised Learning, Unsupervised Learning und Reinforcement Learning