Arten des Lernens

Damit das Modell aus den Daten lernen kann, gibt es verschiedenen Methoden, die für unterschiedliche Anwendungen genutzt werden. Hier sollen die drei Hauptarten des Lernens dargestellt werden. Darüber hinaus existieren aber auch Mischformen und in komplexeren Anwendungen, werden in verschiedenen Schritten unterschiedliche Arten des Lernens genutzt.

MindMap der Arten des Lernens mit Beispielen. 
CC BY SA 4.0 KI Makerspace

Überwachtes Lernen

Das überwachte Lernen (Supervised Learning) findet mit gelabelten Daten statt. Jede Eingabe ist mit einer gewünschten Ausgabe verknüpft, wodurch möglichst korrekte Vorhersagen getroffen werden sollen. Das ist insbesondere für die Klassifikation und Prognose relevant, wie es oben schon genauer ausgeführt wurde. Als kurze Erinnerung: Die Klassifikation bewertet, ob ein unbekanntes Objekt zu einer vorgegebenen Klasse gehört. Eine passende Fragestellung wäre beispielsweise, Schrift- oder Zahlenerkennung oder ob eine E-Mail Spam oder kein Spam ist. Ein anderes Einsatzgebiet ist die Prognose, zum Beispiel für die Immobilienpreise.

Unüberwachtes Lernen

Das unüberwachte Lernen (unsupervised Learning) erkennt in Daten ohne Labels Muster. Das nutzt man zum Beispiel fürs Clustering oder zur Dimensionalitätsreduktion. Clustering bedeutet, dass nach einem Ähnlichkeitsmaß in Cluster getrennt werden, beispielsweise für Marktempfehlungen.

Vergleich der Funktionsweise und Anwendungsszenarien vom überwachten und unüberwachtem Lernen
CC BY SA 4.0 KI Makerspace

Verstärkendes Lernen

Im Gegensatz zu überwachtem und unüberwachtem Lernen, werden beim verstärkendes Lernen Datensätze nicht analysiert, sondern es wird ein Agent entwickelt, der auf Basis von Belohnung und Bestrafung selbständig Strategien erlernt, um Aufgaben lösen zu können (Reinforcement Learning, auch bestärkendes Lernen genannt). Das wird insbesondere bei Spielen genutzt, zum Beispiel bei AlphaGo.

Das kann auch verdeutlicht werden anhand eines Briefumschlagcomputers TicTacToe, der lernt unschlagbar zu werden. Um das besser zu verstehen, schauen Sie folgendes Video ab ca. Minute 5 bis Minute 20. Prof. von Luxburg über Machine Learning.

Dabei werden die Grundprinzipien von Maschinellem Lernen noch einmal deutlich, wie es zuvor schon mal ausgeführt wurde.