KIT-Bibliothek

04: Maschinelles Lernen 1 – Grundverfahren, Vorlesung, WS 2017/18, 21.11.2017

Diese Audio- bzw. Video-Datei ist urheberrechtlich geschützt. Der Zugriff ist nur über Rechner des Karlsruher Instituts für Technologie (KIT) erlaubt.

Autor

Rüdiger Dillmann

Herausgeber

KIT | Webcast

Beteiligtes Institut

Institut für Anthropomatik und Robotik (IAR)

Genre

Vorlesung

Beschreibung

  • 0:00:00 Starten
  • 0:05:22 Übersicht zur heutigen Vorlesung
  • 0:07:04 Entscheidungsbaum zur Vorhersage von günstigen Wetterbedingungen für ,,Tennis spielen''
  • 0:09:33 Entscheidungsbäume als Werkzeug zum Lernen aussagekräftiger Attribute für reale Sachverhalte
  • 0:12:52 Lernen von EB: Klassische Verfahren zur Datenanalyse
  • 0:15:06 Top Down Ansatz für das Erlernen von EBs
  • 0:19:38 mID3: Top Down Generierung von EB
  • 0:29:07 ID3: Auswahl des besten Testattributs?
  • 0:29:34 Entropie I
  • 0:31:42 Entropie II
  • 0:32:49 Entropie III (zusätzliche Erklärung)
  • 0:33:49 Informationsgewinn
  • 0:36:43 Beispiel I
  • 0:37:49 Beispiel II
  • 0:38:36 Beispiel III
  • 0:39:50 ID3: Suche im Hypothesenraum I
  • 0:45:15 ID3: Suche im Hypothesenraum II
  • 0:46:11 Allgemein: Präferenz-/ Restriktions-Bias
  • 0:47:18 ID3: Induktiver Bias
  • 0:49:06 Occam's Razor
  • 0:49:58 ID3: Oversitting I
  • 0:50:51 Beispiel
  • 0:52:47 ID3: Oversitting II
  • 0:53:58 ID3: Oversitting III
  • 0:55:20 Vermeidung von Overfitting
  • 0:56:57 Reduced Error Pruning I
  • 0:57:55 Reduced Error Pruning II
  • 0:58:34 Attribute mit vielen Werten
  • 0:59:16 Kontinuierliche Attributwerte I
  • 1:00:14 Kontinuierliche Attributwerte II
  • 1:01:17 Unbekannte Attributwerte
  • 1:02:27 Attribute mit Kosten
  • 1:04:01 ID3: Window
  • 1:05:57 ID3: Zusammenfassung
  • 1:07:26 Einordnung
  • 1:09:38 C4.5
  • 1:11:30 C4.5: Rule Post-Pruning
  • 1:12:27 Beispiel: Regeln
  • 1:13:19 C4.5: Abschätzung der Güte der Regeln
  • 1:13:34 Umwandlung in Regeln
  • 1:14:12 Einordnung
  • 1:14:43 ID5R
  • 1:15:20 ID5R: Repräsentation der EB
  • 1:16:24 ID5R: Beispiel

Laufzeit (hh:mm:ss)

01:16:54

Serie

Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2017/18

Publiziert am

23.11.2017

Fachgebiet

Informatik

Lizenz

KITopen-Lizenz

Auflösung 1280 x 720 Pixel
Seitenverhältnis 16:9
Audiobitrate 111108 bps
Audio Kanäle 2
Audio Codec aac
Audio Abtastrate 48000 Hz
Gesamtbitrate 851948 bps
Farbraum yuv420p
Container mov,mp4,m4a,3gp,3g2,mj2
Medientyp video/mp4
Dauer 4614 s
Dateiname DIVA-2017-682_hd.mp4
Dateigröße 4.096 byte
Bildwiederholfrequenz 25
Videobitrate 734740 bps
Video Codec h264

Embed-Code