Maschinelles Lernen mit Python


Einführung

machine learning: robot jugglers


Maschinelles Lernen (engl. Machine Learning) ist die Art der Programmierung, mit der Computer automatisch aus Daten lernen können ohne explizit programmiert zu werden. Dies bedeutet mit anderen Worten, dass diese Programme ihr Verhalten ändern, indem sie aus Daten lernen.

In diesem Tutorial werden verschiedene Aspekte des maschinellen Lernens behandelt. Natürlich wird alles mit Python zu tun haben. Es handelt sich also maschinelles Lernen mit Python. Es kann durchaus sein, dass Sie auf diese Website gekommen sind, als Sie nach einer Antwort auf die Frage gesucht haben: Was ist die beste Programmiersprache für maschinelles Lernen? Python ist eindeutig einer der Top-Favoriten!

In diesem Tutorial zu maschinellem Lernen und Python werden unter anderem folgende Themen behandelt:
  • Neuronale Netze
  • Neuronales Netzwerk in Python mit Numypy
  • Dropout Neural Networks
  • Neuronale Netze mit Scikit
  • Maschinelles Lernen mit Scikit und Python
  • Naiver Bayes-Klassifikator
  • Einführung in die Textklassifizierung mit Naive Bayes und Python


  • Maschinelles Lernen kann grob in drei Kategorien unterteilt werden:
    Überwachtes Lernen
    Das maschinelle Lernprogramm erhält sowohl die Eingabedaten als auch die entsprechende Kennzeichnung. Dies bedeutet, dass die Lerndaten zuvor von einem Menschen gekennzeichnet werden müssen.
    Unüberwachtes Lernen
    Dem Lernalgorithmus werden keine Kennungen bereitgestellt. Der Algorithmus muss die Clusterbildung der Eingabedaten herausfinden.
    Verstärkungslernen (Reinforcement Learning)
    Ein Computerprogramm interagiert dynamisch mit seiner Umgebung. Dies bedeutet, dass das Programm positives und / oder negatives Feedback erhält, um seine Leistung zu verbessern.