Unüberwachtes Lernen (Unsupervised Learning) einfach erklärt! - Machine Learning Grundlagen

In diesem Video erklären wir: Was Unünberwachtes Lernen (Unsupervised Lernen) im Machine Learning bedeutet und zeigen dir an einem Beispiel wie es funktioniert. Dabei gehen wir auf die Einsatzzwecke, Beispiele und den Trainingsprozess beim maschinellen Lernen und die benötigten Trainingsdaten ein.

Unüberwachtes maschinelles Lernen (Unsupervised Machine Learning) bekommt der Algorithmus keine Beispieldaten, sondern Daten, aus denen der Algorithmus eigenständig interessante, versteckte Gruppen und Muster erkennen soll.

Der grundsätzliche Unterschied zum Supervised Machine Learning ist also, dass das Unsupervised Machine Learning nicht dafür ausgelegt ist, eine Vorhersage für eine bekannte Zielvariable (z.B. Klassifikation oder Prognose) zu berechnen. Auch die Ergebnisse muss beim unüberwachten Lernen der Data Scientist an relativ „weichen“ Faktoren bewerten und einschätzen wie gut die Ergebnisse zur Business Anwendung passen.

Beispiele für unüberwachtes maschinelles Lernen sind Dimensions Reduktion und Clusteringverfahren. Die Verfahren werden eingesetzt für:

- Visualisierung von großen Datenmengen,

- Clusteranalysen,

- Extraktion von Regeln

- und Erstellung von ML-Features.

Wenn dir das Video gefallen hat, dann abonniere doch unseren Youtube-Kanal für weitere spannende Videos rund um das Thema künstliche Intelligenz und maschinelles Lernen im Marketing.





▬ Internetpräsenz ▬▬▬▬▬▬▬▬▬▬▬▬

[vincentschauer]

Hab in 3 Tagen Bachelor Prüfung - deine Videos werden alle durch gezogen - danke dir! Sehr schön erklärt! :)