generated from TH_General/Template_Summary
anomalierkennung und dichteschätzung hinzugefügt
This commit is contained in:
parent
7ad54129f1
commit
c501250a91
@ -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)
|
21
chapters/Unsupervised Learning/Aufgaben.tex
Normal file
21
chapters/Unsupervised Learning/Aufgaben.tex
Normal file
@ -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}).
|
@ -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}\\
|
||||
|
@ -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}
|
||||
|
Loading…
x
Reference in New Issue
Block a user