{"id":1230,"date":"2023-07-27T05:07:18","date_gmt":"2023-07-27T05:07:18","guid":{"rendered":"https:\/\/statorials.org\/de\/fordern-sie-maschinelles-lernen\/"},"modified":"2023-07-27T05:07:18","modified_gmt":"2023-07-27T05:07:18","slug":"fordern-sie-maschinelles-lernen","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/fordern-sie-maschinelles-lernen\/","title":{"rendered":"Eine einfache einf\u00fchrung zur f\u00f6rderung des maschinellen lernens"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Die meisten <a href=\"https:\/\/statorials.org\/de\/uberwachtes-vs.-unbeaufsichtigtes-lernen\/\" target=\"_blank\" rel=\"noopener noreferrer\">\u00fcberwachten Algorithmen f\u00fcr maschinelles Lernen<\/a> basieren auf der Verwendung eines einzelnen Vorhersagemodells wie <a href=\"https:\/\/statorials.org\/de\/multiple-lineare-regression\/\" target=\"_blank\" rel=\"noopener noreferrer\">linearer Regression<\/a> , <a href=\"https:\/\/statorials.org\/de\/logistische-regression-1\/\" target=\"_blank\" rel=\"noopener noreferrer\">logistischer Regression<\/a> , <a href=\"https:\/\/statorials.org\/de\/ruckbildung-des-ruckens\/\" target=\"_blank\" rel=\"noopener noreferrer\">Ridge-Regression<\/a> usw.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Allerdings erstellen Methoden wie <a href=\"https:\/\/statorials.org\/de\/maschinelles-lernen-beim-absacken\/\" target=\"_blank\" rel=\"noopener noreferrer\">Bagging<\/a> und <a href=\"https:\/\/statorials.org\/de\/zufallige-ubungen\/\" target=\"_blank\" rel=\"noopener noreferrer\">Random Forests<\/a> viele verschiedene Modelle basierend auf wiederholten Bootstrapping-Stichproben des Originaldatensatzes. Vorhersagen zu neuen Daten werden getroffen, indem der Durchschnitt der Vorhersagen der einzelnen Modelle gebildet wird.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Diese Methoden bieten tendenziell eine Verbesserung der Vorhersagegenauigkeit im Vergleich zu Methoden, die nur ein einziges Vorhersagemodell verwenden, da sie den folgenden Prozess verwenden:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Erstellen Sie zun\u00e4chst einzelne Modelle mit <a href=\"https:\/\/statorials.org\/de\/bias-varianz-kompromiss\/\" target=\"_blank\" rel=\"noopener noreferrer\">hoher Varianz und geringer Verzerrung<\/a> (z. B. tief gewachsene <a href=\"https:\/\/statorials.org\/de\/klassifizierungs-und-regressionsbaume\/\" target=\"_blank\" rel=\"noopener noreferrer\">Entscheidungsb\u00e4ume<\/a> ).<\/span><\/li>\n<li> <span style=\"color: #000000;\">Anschlie\u00dfend werden die Vorhersagen der einzelnen Modelle gemittelt, um die Varianz zu verringern.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Eine andere Methode, die tendenziell eine noch gr\u00f6\u00dfere Verbesserung der Vorhersagegenauigkeit bietet, ist das sogenannte <strong>Boosting<\/strong> .<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Was ist Boosten?<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Boosting ist eine Methode, die mit jedem Modelltyp verwendet werden kann, am h\u00e4ufigsten wird sie jedoch bei Entscheidungsb\u00e4umen verwendet.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Die Idee hinter Boosting ist einfach:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1. Erstellen Sie zun\u00e4chst ein schwaches Modell.<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Ein \u201eschwaches\u201c Modell ist eines, dessen Fehlerquote nur geringf\u00fcgig besser ist als eine Zufallssch\u00e4tzung.<\/span><\/li>\n<li> <span style=\"color: #000000;\">In der Praxis handelt es sich dabei meist um einen Entscheidungsbaum mit nur einer oder zwei Unterteilungen.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>2. Erstellen Sie als N\u00e4chstes ein weiteres schwaches Modell basierend auf den Residuen des vorherigen Modells.<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">In der Praxis verwenden wir die Residuen des vorherigen Modells (dh die Fehler in unseren Vorhersagen), um ein neues Modell anzupassen, das die Gesamtfehlerrate leicht verbessert.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>3. Setzen Sie diesen Vorgang fort, bis uns die k-fache Kreuzvalidierung zum Stoppen auffordert.<\/strong><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">In der Praxis verwenden wir <a href=\"https:\/\/statorials.org\/de\/k-fache-kreuzvalidierung\/\" target=\"_blank\" rel=\"noopener noreferrer\">eine k-fache Kreuzvalidierung,<\/a> um zu ermitteln, wann wir mit der Entwicklung des verst\u00e4rkten Modells aufh\u00f6ren sollten.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Mit dieser Methode k\u00f6nnen wir mit einem schwachen Modell beginnen und seine Leistung weiter \u201everbessern\u201c, indem wir nacheinander neue B\u00e4ume erstellen, die die Leistung des vorherigen Baums verbessern, bis wir ein endg\u00fcltiges Modell mit hoher Vorhersagegenauigkeit erhalten.<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-12199 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/booster1.png\" alt=\"F\u00f6rdern Sie maschinelles Lernen\" width=\"363\" height=\"538\" srcset=\"\" sizes=\"\"><\/p>\n<h3> <strong>Warum funktioniert Boosting?<\/strong><\/h3>\n<p> <span style=\"color: #000000;\">Es stellt sich heraus, dass Boosting in der Lage ist, einige der leistungsst\u00e4rksten Modelle im gesamten maschinellen Lernen zu erzeugen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">In vielen Branchen werden verst\u00e4rkte Modelle als Referenzmodelle in der Produktion verwendet, da sie tendenziell alle anderen Modelle \u00fcbertreffen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Der Grund, warum Boosted-Vorlagen so gut funktionieren, liegt im Verst\u00e4ndnis einer einfachen Idee:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1.<\/strong> Erstens erstellen die verbesserten Modelle einen schwachen Entscheidungsbaum mit geringer Vorhersagegenauigkeit. Dieser Entscheidungsbaum soll eine geringe Varianz und eine hohe Verzerrung aufweisen.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2.<\/strong> Da die verbesserten Modelle dem sequentiellen Verbesserungsprozess fr\u00fcherer Entscheidungsb\u00e4ume folgen, ist das Gesamtmodell in der Lage, die Verzerrung bei jedem Schritt langsam zu reduzieren, ohne die Varianz wesentlich zu erh\u00f6hen.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>3.<\/strong> Das endg\u00fcltige angepasste Modell weist tendenziell eine ausreichend geringe Verzerrung <em>und<\/em> Varianz auf, was zu einem Modell f\u00fchrt, das in der Lage ist, niedrige Testfehlerraten bei neuen Daten zu erzeugen.<\/span><\/p>\n<h3> <strong>Vor- und Nachteile des Boostens<\/strong><\/h3>\n<p> <span style=\"color: #000000;\">Der offensichtliche Vorteil des Boosting besteht darin, dass damit im Vergleich zu fast allen anderen Modelltypen Modelle mit hoher Vorhersagegenauigkeit erstellt werden k\u00f6nnen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ein m\u00f6glicher Nachteil besteht darin, dass ein angepasstes verbessertes Modell sehr schwer zu interpretieren ist. Obwohl es eine enorme F\u00e4higkeit bietet, Antwortwerte neuer Daten vorherzusagen, ist es schwierig, den genauen Prozess zu erkl\u00e4ren, mit dem es dies erreicht.<\/span><\/p>\n<p> <span style=\"color: #000000;\">In der Praxis erstellen die meisten Datenwissenschaftler und Praktiker des maschinellen Lernens verbesserte Modelle, weil sie die Antwortwerte neuer Daten genau vorhersagen m\u00f6chten. Die Tatsache, dass verbesserte Modelle schwer zu interpretieren sind, stellt daher im Allgemeinen kein Problem dar.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Booster in der Praxis<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">In der Praxis werden viele Arten von Algorithmen zum Boosten verwendet, darunter:<\/span><\/p>\n<ul>\n<li> <a href=\"https:\/\/xgboost.readthedocs.io\/en\/latest\/\" target=\"_blank\" rel=\"noopener noreferrer\">XGBoost<\/a><\/li>\n<li> <a href=\"https:\/\/en.wikipedia.org\/wiki\/AdaBoost\" target=\"_blank\" rel=\"noopener noreferrer\">AdaBoost<\/a><\/li>\n<li> <a href=\"https:\/\/catboost.ai\/\" target=\"_blank\" rel=\"noopener noreferrer\">ChatBoost<\/a><\/li>\n<li> <a href=\"https:\/\/lightgbm.readthedocs.io\/en\/latest\/\" target=\"_blank\" rel=\"noopener noreferrer\">LightGBM<\/a><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Abh\u00e4ngig von der Gr\u00f6\u00dfe Ihres Datensatzes und der Rechenleistung Ihres Computers ist m\u00f6glicherweise eine dieser Methoden der anderen vorzuziehen.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Die meisten \u00fcberwachten Algorithmen f\u00fcr maschinelles Lernen basieren auf der Verwendung eines einzelnen Vorhersagemodells wie linearer Regression , logistischer Regression , Ridge-Regression usw. Allerdings erstellen Methoden wie Bagging und Random Forests viele verschiedene Modelle basierend auf wiederholten Bootstrapping-Stichproben des Originaldatensatzes. Vorhersagen zu neuen Daten werden getroffen, indem der Durchschnitt der Vorhersagen der einzelnen Modelle gebildet [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Eine einfache Einf\u00fchrung in die Steigerung des maschinellen Lernens \u2013 Statorials<\/title>\n<meta name=\"description\" content=\"Dieses Tutorial bietet eine kurze Einf\u00fchrung in Boosting, einen beliebten Ensemble-Modellierungsalgorithmus beim maschinellen Lernen.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/de\/fordern-sie-maschinelles-lernen\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Eine einfache Einf\u00fchrung in die Steigerung des maschinellen Lernens \u2013 Statorials\" \/>\n<meta property=\"og:description\" content=\"Dieses Tutorial bietet eine kurze Einf\u00fchrung in Boosting, einen beliebten Ensemble-Modellierungsalgorithmus beim maschinellen Lernen.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/de\/fordern-sie-maschinelles-lernen\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-27T05:07:18+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/booster1.png\" \/>\n<meta name=\"author\" content=\"Dr. Benjamin Anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr. Benjamin Anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"3 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/de\/fordern-sie-maschinelles-lernen\/\",\"url\":\"https:\/\/statorials.org\/de\/fordern-sie-maschinelles-lernen\/\",\"name\":\"Eine einfache Einf\u00fchrung in die Steigerung des maschinellen Lernens \u2013 Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/de\/#website\"},\"datePublished\":\"2023-07-27T05:07:18+00:00\",\"dateModified\":\"2023-07-27T05:07:18+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0\"},\"description\":\"Dieses Tutorial bietet eine kurze Einf\u00fchrung in Boosting, einen beliebten Ensemble-Modellierungsalgorithmus beim maschinellen Lernen.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/de\/fordern-sie-maschinelles-lernen\/#breadcrumb\"},\"inLanguage\":\"de-DE\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/de\/fordern-sie-maschinelles-lernen\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/de\/fordern-sie-maschinelles-lernen\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Heim\",\"item\":\"https:\/\/statorials.org\/de\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Eine einfache einf\u00fchrung zur f\u00f6rderung des maschinellen lernens\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/de\/#website\",\"url\":\"https:\/\/statorials.org\/de\/\",\"name\":\"Statorials\",\"description\":\"Ihr Leitfaden f\u00fcr statistische Kompetenz !\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de-DE\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0\",\"name\":\"Dr. Benjamin Anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de-DE\",\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr. Benjamin Anderson\"},\"description\":\"Hallo, ich bin Benjamin, ein pensionierter Statistikprofessor, der sich zum engagierten Statorials-Lehrer entwickelt hat. Mit umfassender Erfahrung und Fachwissen auf dem Gebiet der Statistik bin ich bestrebt, mein Wissen zu teilen, um Studenten durch Statorials zu bef\u00e4higen. Mehr wissen\",\"sameAs\":[\"https:\/\/statorials.org\/de\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Eine einfache Einf\u00fchrung in die Steigerung des maschinellen Lernens \u2013 Statorials","description":"Dieses Tutorial bietet eine kurze Einf\u00fchrung in Boosting, einen beliebten Ensemble-Modellierungsalgorithmus beim maschinellen Lernen.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/de\/fordern-sie-maschinelles-lernen\/","og_locale":"de_DE","og_type":"article","og_title":"Eine einfache Einf\u00fchrung in die Steigerung des maschinellen Lernens \u2013 Statorials","og_description":"Dieses Tutorial bietet eine kurze Einf\u00fchrung in Boosting, einen beliebten Ensemble-Modellierungsalgorithmus beim maschinellen Lernen.","og_url":"https:\/\/statorials.org\/de\/fordern-sie-maschinelles-lernen\/","og_site_name":"Statorials","article_published_time":"2023-07-27T05:07:18+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/booster1.png"}],"author":"Dr. Benjamin Anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr. Benjamin Anderson","Gesch\u00e4tzte Lesezeit":"3 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/de\/fordern-sie-maschinelles-lernen\/","url":"https:\/\/statorials.org\/de\/fordern-sie-maschinelles-lernen\/","name":"Eine einfache Einf\u00fchrung in die Steigerung des maschinellen Lernens \u2013 Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/de\/#website"},"datePublished":"2023-07-27T05:07:18+00:00","dateModified":"2023-07-27T05:07:18+00:00","author":{"@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0"},"description":"Dieses Tutorial bietet eine kurze Einf\u00fchrung in Boosting, einen beliebten Ensemble-Modellierungsalgorithmus beim maschinellen Lernen.","breadcrumb":{"@id":"https:\/\/statorials.org\/de\/fordern-sie-maschinelles-lernen\/#breadcrumb"},"inLanguage":"de-DE","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/de\/fordern-sie-maschinelles-lernen\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/de\/fordern-sie-maschinelles-lernen\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Heim","item":"https:\/\/statorials.org\/de\/"},{"@type":"ListItem","position":2,"name":"Eine einfache einf\u00fchrung zur f\u00f6rderung des maschinellen lernens"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/de\/#website","url":"https:\/\/statorials.org\/de\/","name":"Statorials","description":"Ihr Leitfaden f\u00fcr statistische Kompetenz !","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de-DE"},{"@type":"Person","@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0","name":"Dr. Benjamin Anderson","image":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/image\/","url":"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","contentUrl":"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","caption":"Dr. Benjamin Anderson"},"description":"Hallo, ich bin Benjamin, ein pensionierter Statistikprofessor, der sich zum engagierten Statorials-Lehrer entwickelt hat. Mit umfassender Erfahrung und Fachwissen auf dem Gebiet der Statistik bin ich bestrebt, mein Wissen zu teilen, um Studenten durch Statorials zu bef\u00e4higen. Mehr wissen","sameAs":["https:\/\/statorials.org\/de"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts\/1230"}],"collection":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/comments?post=1230"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts\/1230\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/media?parent=1230"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/categories?post=1230"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/tags?post=1230"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}