Machine Learning ist ein Teilgebiet der Künstlichen Intelligenz und ein Begriff, der eine Menge von Algorithmen beschreibt bzw. umfasst. Diese Algorithmen haben den Zweck und das Ziel, großen Datensätze zu verarbeiten und innerhalb dieser Daten Muster zu erkennen. Bei einer neuen Eingabe sind diese Algorithmen dann auf Basis der gelernten Muster und Eigenschaften in der Lage, eine Vorhersage zu treffen bzw. etwas auszugeben. Beispielsweise kann ein Machine Learning Algorithmus mit Bildern von Katzen und Hunden trainiert werden und lernt diese zu erkennen. Bei erfolgreichem Training kann dann ein unbekanntes Bild einer Katze richtig erkannt werden. Generell lässt sich das maschinelle Lernen in drei Lernmethoden unterteilen, die nachfolgend näher erklärt werden.
| Methodik | Beschreibung |
|---|---|
| Überwachtes Lernen (engl. Supervised-Learning) | Das Machine-Learning-Modell wird auf der Grundlage von Datenbeispielen mit vorher bekannten Ergebnissen für jedes Beispiel trainiert. Der Datensatz muss daher Labels bzw. Targets enthalten, die als Zielvariable während des Trainings dienen. Beim überwachten Lernen unterscheidet man zwischen – Regression: Vorhersage eines relativen Ergebnisses (z.B. Preis eines Hauses). Die Vorhersage kann sich dem Ergebnis meist nur annähern. – Klassifikation: Vorhersage einer Kategorie (E-Mail ist Spam oder nicht) aus einer Menge bekannter Klassen. |
| Unüberwachtes Lernen (engl. Unsupervised-Learning) | Das Machine Learning-Modell bekommt einen Datensatz ohne Zielvariable (im Gegensatz zum überwachten Lernen) und teilt diesen in eine festzulegende Anzahl an Bereichen bzw. Kategorien ein. Dieses Verfahren wird auch Clustering genannt. Wie genau die Umsetzung erfolgt, ist vom Algorithmus abhängig (z.B. K-Means). |
| Verstärkendes Lernen (engl. Reinforcement-Learning) | Im Gegensatz zu den beiden vorherigen Lernmethoden benötigt das verstärkende Lernen (Reinforcement Learning ist weitaus verbreiteter) keinen Datensatz, sondern findet eigenständig über Trial-And-Error eine Lösung für die entsprechende Problemstellung. Dabei wird über einen sogenannten Agenten versucht, die Belohnung (den Score) zu maximieren. |
Weiterführende Links:
Neural Network Learns to play Snake: https://www.youtube.com/watch?v=i0Pkgtbh1xw
Was ist Machine Learning?: https://www.bigdata-insider.de/was-ist-machine-learning-a-592092/
Introduction to Supervised Learning: https://towardsdatascience.com/a-brief-introduction-to-supervised-learning-54a3e3932590
