Kapitel 7 - Clustering & probabilistic Topic-Models

Question 1

Welche 3 Komponenten muss jeder Algorithmus für Machine Learning enthalten?

Answer 1

• Repräsentation: Was bedeuten meine Feature-Vektoren? Bzw. wie können die Feature-Vektoren (quantitativ) miteinander verglichen werden? (Abstandsfunktionen)
• Evaluation: Wie kann einem Ergebnis eine quantitative Güte zugeordnet werden? (Fehlerfunktionen)
• Optimierung: Wie kann ein Modell erstellt werden, dass einen möglichst kleinen Fehler macht?

Question 2

In welche Kategorien lässt sich Machine Learning grundlegend einteilen?

Answer 2

1. Klassifikation / Regression
   - wird einem Datenpunkt eine diskrete Klasse oder numerischer Wert zugeordnet?
2. Supervised / Unsupervised Learning
   - gibt es für jeden Datenpunkt einen Zielwert, oder erhält das Modell nur die Trainingsdaten?