Zum Inhalt
Alle Apps

Lernarten des Maschinellen Lernens

Über diese App

Die drei Lernarten an greifbaren Fällen: Aus beschrifteten E-Mails einen Spamfilter lernen und sehen, wie die Trefferquote mit der Zahl der Etiketten steigt; dieselben Mails ohne Etikett von selbst gruppieren lassen; einen Staubsauger-Roboter nur mit Lob und Strafe den Weg zur Ladestation lernen lassen.

Drei Arten zu lernen

Maschinelles Lernen gewinnt eine Regel aus Daten, statt sie von Hand zu programmieren. Die drei Lernarten unterscheiden sich in der Rückmeldung. Beim überwachten Lernen enthalten die Trainingsdaten die richtige Antwort, das Label, und das Modell lernt, neue Fälle einzuordnen. Beim unüberwachten Lernen fehlen Antworten; das Modell bündelt ähnliche Fälle, etwa mit k-Means. Beim bestärkenden Lernen probiert ein Agent Handlungen aus und bekommt nur Belohnung oder Strafe; daraus lernt er eine Strategie.

Was die App zeigt

Überwacht und unüberwacht arbeiten mit denselben 90 E-Mails, aufgetragen nach Links und Ausrufezeichen. Überwacht: Ein Teil ist als Spam oder kein Spam beschriftet, eine logistische Regression lernt eine Trennlinie, und die App prüft an den zurückgehaltenen Testmails ohne Etikett, wie viele richtig erkannt werden, aufgeteilt in richtig und falsch positiv bzw. negativ (positiv = Spam). Unüberwacht: k-Means sucht Runde für Runde Gruppen; mit drei Gruppen tauchen persönliche Mails, Newsletter und Spam auf, ohne dass die Maschine sie benennen kann. Bestärkend: Ein Staubsauger-Roboter lernt per Q-Lernen den Weg zur Ladestation, eine Lernkurve zeigt die Schritte je Versuch.

Selbst ausprobieren

Verändere die Zahl der beschrifteten Mails und beobachte die Trefferquote: Mit zwei Etiketten liegt sie nahe beim Raten, mit sechzig deutlich darüber. Klicke in die Fläche, um eine neue Mail einordnen zu lassen. Stelle zwei, drei oder fünf Gruppen ein, lass die Suche Schritt für Schritt laufen und vergleiche die Gruppen nebeneinander mit den echten Etiketten. Lass den Roboter üben, setze per Klick Wände und sieh zu, wie er umlernt. Ein Vergleich fasst zusammen, was jede Lernart bekommt, was sie danach kann und wo ihr Haken liegt.

Häufige Fragen

Was ist der Unterschied zwischen überwachtem und unüberwachtem Lernen?
Beim überwachten Lernen enthalten die Trainingsdaten die gewünschten Antworten, und das Modell lernt, Eingaben auf diese Antworten abzubilden, etwa bei Klassifikation oder Regression. Beim unüberwachten Lernen fehlen solche Antworten; das Modell findet Strukturen wie Gruppen selbst, kann sie aber nicht benennen.
Was ist bestärkendes Lernen (Reinforcement Learning)?
Beim bestärkenden Lernen probiert ein Agent Aktionen in einer Umgebung aus und erhält dafür Belohnungen oder Strafen. Daraus lernt er eine Strategie, die die Summe der künftigen Belohnungen möglichst groß macht. Beispiele sind Spielprogramme, Roboter und die Feinabstimmung von Chatbots mit menschlichem Feedback (RLHF).
Warum braucht überwachtes Lernen viele beschriftete Beispiele?
Aus wenigen Beispielen lässt sich die Grenze zwischen den Klassen nur grob schätzen; Zufälle in der Auswahl verschieben sie stark. Mit mehr beschrifteten Beispielen wird die Schätzung stabiler und die Trefferquote an neuen Fällen steigt. Das Beschriften ist oft der teuerste Teil eines Projekts.
Was kann ich in der App ausprobieren?
Du stellst die Zahl der beschrifteten Mails ein und siehst die Trefferquote und die Fehlerarten an den Testmails, lässt neue Mails per Klick einordnen, suchst Gruppen ohne Etiketten und vergleichst sie mit den echten Etiketten, und lässt einen Roboter mit Lob und Strafe üben, auch nachdem du Wände versetzt hast.

Fach: Machine Learning

Mehr aus Machine Learning

Eine VisuApp von heyprof: interaktiv, kostenlos im Browser, ohne Anmeldung. Was ist eine VisuApp? · Alle Apps