Erstellen klassischer Machine Learning-Modelle mit überwachtem Lernen
Überwachtes Lernen ist eine Form des maschinellen Lernens, bei der ein Algorithmus aus Beispieldaten lernt. Erfahren Sie fortschreitend, wie beim überwachten Lernen automatisch ein Modell generiert wird, das Vorhersagen über die reale Welt treffen kann. Außerdem erfahren Sie, wie diese Modelle getestet werden und welche Schwierigkeiten beim Trainieren auftreten können.
Lernziele
In diesem Modul lernen Sie Folgendes:
- Definieren von überwachtem und unüberwachtem Lernen.
- Erkunden des Einflusses von Kostenfunktionen auf den Lernprozess.
- Hier erfahren Sie, wie Sie Modelle mit dem Gradientenabstiegsverfahren optimieren.
- Experimentieren mit Lernraten, um ihre Auswirkungen auf das Training zu sehen.
Voraussetzungen
Grundkenntnisse in Bezug auf Eingaben, Ausgaben und Modelle