Maschinelles Lernen: Regeln aus Beispielen

Bisher hast du die Arbeit selbst gemacht. In data:1 hast du Zeilen ausgewählt, gruppiert und entschieden, was die Zahlen bedeuten. Maschinelles Lernen dreht die Reihenfolge um. Du hörst auf, die Regel zu schreiben, und fängst an, Beispiele zu zeigen, und das Programm erzeugt die Regel. Diese Regel steht nirgends als Satz. Sie lebt im Modell als ein Haufen Zahlen, die nur zusammen einen Sinn ergeben.

+--------------------------+--------------------------+
| rules written by hand    | rules learned from rows  |
+--------------------------+--------------------------+
| who wrote it: a person   | who wrote it: the data   |
| new case: read the rules | new case: nearest rows   |
| breaks on: exceptions    | breaks on: new territory |
+--------------------------+--------------------------+Zwei Wege zu einer funktionierenden Regel und die Art, wie jeder davon scheitert.

Nimm eine Tabelle, die deine Schule schon hat. Jede Zeile ist eine Schülerin oder ein Schüler, jede Spalte ist etwas, das du vor der Prüfung wusstest, plus eine Spalte, die du erst danach erfahren hast. Genau wegen dieser letzten Spalte ist die Tabelle nützlich.

practice_table
+-------------+-------------+----------------+
| study_hours | sleep_hours | passed         |
+-------------+-------------+----------------+
| 1           | 5           | no             |
| 2           | 6           | no             |
| 4           | 7           | yes            |
| 6           | 6           | yes            |
| 9           | 8           | yes            |
| 3           | 4           | no             |
+-------------+-------------+----------------+Sechs Zeilen sind eine Spielzeugtabelle, aber die Form ist dieselbe wie bei einer Bank mit sechs Millionen Zeilen.

Die Spalten, die das Modell lesen darf, heißen Merkmale. Die Spalte, die es liefern muss, heißt Label. In dieser Tabelle sind study_hours und sleep_hours Merkmale und passed ist das Label. Für eine neue Person bekommt das Modell die Merkmale und liefert seine eigene Vermutung für das Label. Diese Vermutung ist eine Vorhersage, und mehr tut ein Modell nie: Merkmale hinein, Label hinaus. Das Label macht Lernen überhaupt erst möglich, denn damit vergleicht sich das Modell während des Trainings.

Manchmal gibt es gar keine Labelspalte. Niemand hat die Antwort aufgeschrieben, also gibt es nichts zu kopieren. Dann kann das Modell nur betrachten, wie die Zeilen zueinander stehen: welche Zeilen einander so ähnlich sind, dass sie wahrscheinlich in dieselbe Gruppe gehören. Ein Laden kann das mit seinen Kassenzetteln tun, ohne vorher festzulegen, wie die Gruppen heißen.

receipts with no label at all

+--------+--------+--------+
| item   | price  | hour   |
+--------+--------+--------+
| coffee | 2.40   | 08:10  |
| bun    | 1.80   | 08:12  |
| soup   | 4.20   | 13:05  |
| salad  | 4.50   | 13:20  |
| cola   | 2.10   | 17:40  |
+--------+--------+--------+

rows that look alike: 1 with 2, 3 with 4
nobody wrote those two groups downNirgends eine Antwortspalte, nur Zeilen, die zufällig nahe beieinander liegen.

Jetzt der Teil, der meistens weggelassen wird. Das Modell versteht das Thema nicht. Es hat eine Form mit ein paar einstellbaren Zahlen, und Training heißt, diese Zahlen so zu schieben, dass die Form nahe an den Trainingslabels vorbeikommt. Nur zwei Dinge entscheiden, was es lernen kann: welche Merkmale du ihm gegeben hast und welche Form du gewählt hast. Passt das echte Muster nicht in diese Form, retten dich keine Daten, und das Modell antwortet trotzdem mit voller Überzeugung.