anomalierkennung und dichteschätzung hinzugefügt

chapters/Unsupervised Learning/Aufgaben.tex

@@ -0,0 +1,21 @@
+\chapter{Aufgaben des unüberwachten Lernens}
+\label{aufgaben unsupervised learning}
+    Das unüberwachte Lernen wird in der Praxis für die verschiedensten Aufgabenfelder angewandt:
+
+        \paragraph{Clustering} siehe \ref{clustering}
+
+        \paragraph{Anomaliedetektion}
+        Das Erkennen von Anomalien ist eine weitere Aufgabe des unüberwachten Lernen.
+        Anomalien sind beispielsweise ungewöhnliche Transaktionen auf Kreditkarten, die auf Betrug hindeuten,
+        das Abfangen von Produktionsfehlern oder das automatische Entfernen von Ausreißern aus einem Datensatz,
+        bevor dieser in einen weiteren Lernalgorithmus eingespeist wird.
+        Das System wird mit gewähnlichen Datenpunkten trainiert und kann,
+        wenn es einen neuen Datenpunkt sieht, entscheiden, ob dieser wie ein normaler Punkt oder wie eine Anomalie aussieht.
+
+        \paragraph{Dichteschätzung}
+        Wie auch beim Clustering (\ref{clustering}) spricht man bei der Dichteschätzung von unüberwachtem Lernen.
+        Hier stehen die Ausgabewerte nicht zur Verfügung und nur die Eingabedaten sind bekannt.
+        Das Ziel besteht darin, die Regelmäßigkeiten in den Eingabedaten aufzuspüren.
+        Dh.h. es existiert eine Struktur in den Eingabedatem, so dass bestimmte Muster öfter auftreten als andere.
+        In der Statistik nennt man die Dichteschätzung \say{density estimation}.
+        Eine Möglichkeit der Dichteschätzung ist das \acs{DBSCAN}-Verfahren (\ref{density based clustering}).

chapters/Unsupervised Learning/Clustering.tex

@@ -1,4 +1,5 @@
 \chapter{Clustering}
+\label{clustering}
     \section{Definition}
         Allgemein gesagt bestimmt ein Clustering-Verfahren, ob zwei Elemente ähnlich bzw. unähnlich sind.\\
         \includegraphics[width = .6\textwidth]{clustering_definition.png}\\