Was ist ML
Um dem Code in diesem Kurs folgen zu können, ist es hilfreich, zunächst die folgenden Kurse abzuschließen, sofern diese Themen nicht bereits bekannt sind:
Maschinelles Lernen (ML) ist ein Ansatz der Programmierung, bei dem Computer aus Daten lernen, um eine Aufgabe zu lösen, anstatt explizite Anweisungen zu erhalten.
Betrachten Sie das Beispiel eines Spam/Ham (kein Spam) Klassifikators.
Der Aufbau eines solchen Systems mit einem traditionellen Programmieransatz (ohne ML) ist schwierig, da explizite Regeln geschrieben werden müssen, beispielsweise das manuelle Erstellen einer Liste von Spam-Wörtern.
Mit maschinellem Lernen wird das Modell anhand vieler Beispiele von Spam- und Ham-E-Mails trainiert und erkennt eigenständig die unterscheidenden Muster.
Die für das Training bereitgestellten Daten werden als Trainingssatz bezeichnet. In diesem Fall besteht er aus E-Mails, die bereits als Spam oder Ham markiert wurden, was es dem Modell ermöglicht, die Merkmale beider Kategorien zu erfassen.
Nach dem Training wird das Modell mit einem Testsatz bewertet – einer separaten Sammlung markierter E-Mails. Dieser Schritt überprüft, wie gut das Modell auf neue, unbekannte Daten verallgemeinert.
Danke für Ihr Feedback!
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Can you explain more about how the training and test sets are created?
What are some common features used to classify emails as spam or ham?
How does the model actually learn to distinguish between spam and ham?
Awesome!
Completion rate improved to 3.13Was ist ML
Swipe um das Menü anzuzeigen
Um dem Code in diesem Kurs folgen zu können, ist es hilfreich, zunächst die folgenden Kurse abzuschließen, sofern diese Themen nicht bereits bekannt sind:
Maschinelles Lernen (ML) ist ein Ansatz der Programmierung, bei dem Computer aus Daten lernen, um eine Aufgabe zu lösen, anstatt explizite Anweisungen zu erhalten.
Betrachten Sie das Beispiel eines Spam/Ham (kein Spam) Klassifikators.
Der Aufbau eines solchen Systems mit einem traditionellen Programmieransatz (ohne ML) ist schwierig, da explizite Regeln geschrieben werden müssen, beispielsweise das manuelle Erstellen einer Liste von Spam-Wörtern.
Mit maschinellem Lernen wird das Modell anhand vieler Beispiele von Spam- und Ham-E-Mails trainiert und erkennt eigenständig die unterscheidenden Muster.
Die für das Training bereitgestellten Daten werden als Trainingssatz bezeichnet. In diesem Fall besteht er aus E-Mails, die bereits als Spam oder Ham markiert wurden, was es dem Modell ermöglicht, die Merkmale beider Kategorien zu erfassen.
Nach dem Training wird das Modell mit einem Testsatz bewertet – einer separaten Sammlung markierter E-Mails. Dieser Schritt überprüft, wie gut das Modell auf neue, unbekannte Daten verallgemeinert.
Danke für Ihr Feedback!
