KI_Metriken_Karteikarten Flashcards
(30 cards)
Was ist Unsicherheit in KI?
Die Realität ist oft unvollständig bekannt, daher müssen Agenten Wahrscheinlichkeiten verwenden.
Was ist eine bedingte Wahrscheinlichkeit?
Wahrscheinlichkeit eines Ereignisses A, gegeben, dass Ereignis B eingetreten ist: P(A | B).
Was ist die Bayes-Regel?
Eine Formel zur Berechnung bedingter Wahrscheinlichkeiten: P(A | B) = (P(B | A) * P(A)) / P(B).
Was ist ein Stichprobenraum?
Die Menge aller möglichen Ergebnisse eines Experiments.
Was ist eine Ereignismenge?
Eine Teilmenge des Stichprobenraums, die ein gemeinsames Merkmal hat.
Wie lernt ein ML-Modell?
Durch Trainingsdaten, Validierungsdaten und Testdaten.
Welche Arten von Features gibt es?
Binär, nominal, ordinal und numerisch.
Warum ist Dimensionsreduktion wichtig?
Um das ‘Curse of Dimensionality’ zu vermeiden und Rechenleistung zu sparen.
Welche Techniken zur Dimensionsreduktion gibt es?
Hauptkomponentenanalyse (PCA) und t-SNE.
Was macht PCA?
Eine lineare Technik zur Reduzierung der Dimensionalität durch Varianzanalyse.
Was ist t-SNE?
Eine Methode zur Visualisierung hochdimensionaler Daten in 2D oder 3D.
Was ist eine Merkmalsextraktion?
Die Reduzierung eines Datensatzes auf die wichtigsten Merkmale.
Was sind typische Merkmale in Bildverarbeitung?
Pixelwerte, Kanten, Farbverteilungen.
Was sind typische Merkmale in der Signalverarbeitung?
Perioden, Minima, Maxima, Mittelwert.
Welche Probleme treten bei Features auf?
Redundanz, irrelevante Features, Overfitting.
Warum ist Feature-Selektion wichtig?
Um die Vorhersagequalität zu verbessern und Rechenaufwand zu reduzieren.
Was ist Entropie?
Ein Maß für Unordnung oder Unsicherheit in einem Datensatz.
Was ist der Informationsgewinn?
Tipp: Thema Metriken
Die Reduktion der Entropie nach einer bestimmten Aufteilung des Datensatzes.
Welche Methoden zur Feature-Selektion gibt es?
Filtermethoden (z. B. Informationsgewinn) und Wrapper-Methoden.
Was ist Overfitting?
Wenn ein Modell zu gut an die Trainingsdaten angepasst ist und nicht gut generalisiert.
Was ist Underfitting?
Wenn ein Modell nicht genug Komplexität hat, um Muster zu lernen.
Was ist eine Konfusionsmatrix?
Eine Matrix zur Darstellung von Klassifikations-Ergebnissen (TP, FP, FN, TN).
Was ist Genauigkeit (Accuracy)?
(TP + TN) / (Gesamtanzahl der Vorhersagen).
Was ist Präzision (Precision)?
TP / (TP + FP), misst den Anteil richtiger positiver Vorhersagen.
