anomalierkennung und dichteschätzung hinzugefügt

Readme.md

@@ -20,9 +20,7 @@ Dieses Repo beinhaltet die $\LaTeX$ Informationen für die Zusammenfassung im Fa
   - Lasso Regularisierung (L1-Norm($L_1(w)=\sum|w|$))
     $$V(y',y) + \lambda L_1(w) = V(y',y) + \lambda \sum|w|$$
 
-- [ ] Dropout
-  - reduziert Neuronen in einer Schicht
-- [ ] Anomaliedetektion (ML_2020_12_21)
-- [ ] Dichteschätzung (ML_2020_12_21)
+- [x] Anomaliedetektion (ML_2020_12_21)
+- [x] Dichteschätzung (ML_2020_12_21)
 ## Hinweise
 Requires you to enable [--shell escape](https://tex.stackexchange.com/questions/516604/how-to-enable-shell-escape-or-write18-visual-studio-code-latex-workshop)

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}\\

parts/Unsupervised Learning.tex

@@ -1,5 +1,6 @@
 \part{Unsupervised Learning}\label{unsupervised learning}
 
+\input{chapters/Unsupervised Learning/Aufgaben.tex}
 \input{chapters/Unsupervised Learning/Clustering.tex}
 \input{chapters/Unsupervised Learning/Clustering Algorithms.tex}
 \input{chapters/Unsupervised Learning/Number of Clusters.tex}