Künstliche Intelligenz fur ortsbasierte Dienste - Lehrstuhl für Mobile ...
Künstliche Intelligenz fur ortsbasierte Dienste - Lehrstuhl für Mobile ...
Künstliche Intelligenz fur ortsbasierte Dienste - Lehrstuhl für Mobile ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
unterscheiden. Ein Label ist als Anweisung eines Lehrers zu verstehen. Es soll <strong>für</strong> den<br />
gelabelten Datenpunkt die erwünschte Ausgabe des Algorithmus angeben. Einem Datenpunkt<br />
oder einem Datenset kann das erwünsche Ergebnis (Label) z.B. in einer Messung<br />
mitgegeben werden [ZG09].<br />
Beim Unsupervised Learning bekommt der Agent eine nicht gelabelte Datenmenge, aus<br />
der er Muster erkennen soll. Er hat aber keine weiteren Informationen über die Datensätze.<br />
Ein Beispiel <strong>für</strong> diese Lernmethode ist Clustering. Beim Clustering sollen Daten aufgrund<br />
ähnlicher Eigenschaften gruppiert werden. Ein Beispiel ist der k-means-Algorithmus. Dieser<br />
funktioniert wie folgt:<br />
Abbildung 3: Prinzip Clustering mit Schwerpunkten <strong>für</strong> k = 3.<br />
Aus n Punkten sollen k Gruppen (Cluster) gebildet werden die ähnliche Objekte enthalten.<br />
Für sie sollen Schwerpunkte definiert werden. Die Schwerpunkte sollen so gewählt<br />
sein, dass sie in der Mitte des Clusters liegen (siehe Abbildung 3). Jeder Punkt der hinzu<br />
kommt, wird dem Cluster zugeordnet, dessen Schwerpunkt ihm am nächsten ist. Die<br />
Schwerpunkte werden aufgrund der neuen Punkte neu berechnet und am Ende werden die<br />
Punkte erneut den Clustern zugewiesen. Dies wird schleifenweise solange wiederholt bis<br />
sich die Schwerpunkte stabilisiert haben [Mac67].<br />
Beim Supervised Learning braucht der Agent genug gelabelte Daten mit denen er übt,<br />
um richtige Schlüsse über alle folgenden Daten schließen zu können. Dabei soll der Agent<br />
mit Input-Output Paaren trainiert werden. Er soll dabei eine Funktion lernen die den Input<br />
auf den Output abbildet: