KÜNSTLICHE INTELLIGENZ | INGENIEURBÜRO BERND HÖLLE GMBH

LERNEN MIT LERNMODELLEN

SCHRITT 4
Das Lernmodell mit dem gewählten Lernalgorithmus trainieren.

REGRESSION

KLASSIFIKATION

CLUSTERING

Beim maschinellen Lernen wird mit Trainingsdaten ein statistisches Lernmodell entwickelt und mit Testdaten überprüft. Lernmodelle bestehen aus Lernalgorithmen. Wenn beim Lernmodell die richtige Lösung auf den Trainingsdaten bekannt ist, spricht man von überwachtem Lernen, sonst von unüberwachtem Lernen. Beispiele für überwachtes Lernen sind Regression oder Klassifikation. Ein Beispiel für unüberwachtes Lernen ist Clustering.

Die Regression wird für Schätzungen und Vorhersagen oder zur Ermittlung von Beziehungen verwendet. Bei der Klassifikation, werden aus den sensierten Daten kategorische Klassen abgeleitet. Dabei wird jedem Datenpunkt im Trainings- und Testdatensatz eine Klasse zugewiesen, er wird “gelabelt”. Es entstehen getrennte Datenwolken. Clustering ordnet Objekten in Gruppen ein, so dass die Objekte innerhalb einer Gruppe ähnlich zueinander sind.

Die IBH LEARNING KIT App per Bluetooth mit der IBH LEARNING KIT Hardware verbinden.
Das gewünschte Lernmodell (Regression, Klassifikation oder Clustering) auswählen.

LOGISTISCHE
REGRESSION

kNN
SVM

k-MEANS
NEURONALES NETZ

Das IBH LEARNING KIT kennt je nach gewähltem Lernmodell verschiedene Lernalgorithmen. Aktuell sind auf dem Mikrocontroller als Lernalgorithmen die logistische Regression, der k-Nächster-Nachbar (kNN), die Support Vector Machine (SVM), das Clusteringverfahren k-Means und das neuronale Netz verfügbar.

Gewünschten Lernalgorithmus (logistische Regression, kNN, SVM, k-Means oder neuronales Netz) auswählen.
Die Prädiktoren (abhängige Variablen X) mit den zu sensierenden Daten verknüpfen.
Das Kriterium (Antwortvariable Y) definieren, z.B. 0 / 1, gut / schlecht oder rot / gelb /grün.
Trainingsdaten über einen gewünschten Zeitraum erfassen.
Das IBH LEARNING KIT macht Vorschläge zu Klassen oder Ähnlichkeiten.
Die vom IBH LEARNING KIT vorgeschlagenen Klassen überprüfen, ändern oder bestätigen.

SCHRITT 5
Das Lernmodell evaluieren und freigeben.

Das durch den Lernalgorithmus im Mikrocontroller verfügbare Lernmodell muss durch weitere Testdaten evaluiert werden. Tipp: Testdaten schon zu Beginn von den Trainingsdaten trennen. Werden die Schätzungen, Vorhersagen, Beziehungen oder Ähnlichkeiten wie erwartet erkannt, kann das Lernmodell zum Betrieb freigegeben werden.

→ Mit dem IBH LEARNING KIT Entscheidungen vorausschauend kommunizieren ...

KÜNSTLICHE INTELLIGENZ FÜR INDUSTRIE 4.0