Introduction to Machine Learning

Vorlesung: Introduction to Machine Learning, WS 2006/2007
Prüfer: Gabriella Kókai

Januar 2008

Bemerkungen zu Prüfung und Prüfer:

• Benotete Scheinprüfung
• Lockere Atmosphäre, freundliche Prüferin

• Wie unterscheidet sich Clustering von anderen Lernverfahren?
  
  • unsupervised learning, man hat kein Wissen über Zielkonzepte (Klassen), sondern sucht erst nach diesen.

• Was wäre eine Anwendung für Clustering?
  
  • Ich hatte da ein recht schwaches Beispiel über medizinische Bilddaten, eventuell wäre folgendes besser: Herausfinden von Konsumentengruppen zu Werbezwecken.

• Such dir einen Algorithmus zum Erklären aus!
  • Genetic algorithms: siehe Skript ;)

• Wofür sind genetic algorithms?
  • Bilderkennung aus der Vorlesung, es ist egal wie das Ergebnis berechnet wird!

• In welchen Fällen kann es Probleme bei genetic algorithms geben?
  • globales Maximum/Minimum, komplexe domain theory → verhindert sinvolles crossing, mutation

• Wie kann man Lernverfahren einteilen?
  • knowledge poor; inductives/analytisches Lernen

• Erklären von induktivem und deduktivem Lernen
  • induktiv: von einem Beispiel auf das Allgemeine schliessen
  • deduktiv: Ableitung einer Hypothese von der domain theory durch Logik

• Andere evolutionary learning Verfahren
  
  • genetic programming: Programm als Baum darstellen + mutation + crossover
    
  • Bemerkung von ihr: Probleme bei Zyklen…

• Was ist inductive logic programming?
  
  • Kommt von induktivem Lernen und Logikprogrammierung; Hypothese + Beispiele + domain theory in logischen Formeln, versucht neue logische Regeln zu lernen.

• Unterschied top-down, bottom-up inductive logic programming
  
  • Spezifizieren einer allgemeinen Regel und Generalisieren aus einem Beispiel.

• Erkläre foil:
  
  • innere + äußere Schleife:
    
    • außen: Generalisieren, durch jede neue Regeln werden positive Beispiele entfernt bis alle abgedeckt sind.
      
    • innen: Solange negative Beispiele vorhanden sind, die mit der Regel übereinstimmen, wird ein neues Literal zur Hypothese hinzugefügt, Literal wird durch foilgain bestimmt.

• Was sind neuronale Netze? Erklären!
  • Idee kommt vom Gehirn; Versuch durch Hintereinanderschalten kleiner Lerneinheiten, die nur Eingabewerte + Gewicht und einen Threshold besitzen, komplexe Funktionen zu lernen.

• Was wäre ein Anwendungsgebiet?
  
  • Erkennen, in welche Richtung jemand auf dem Foto sieht (Beispiel aus den Folien)