Mathematik Grundlagen
AUC (Area Under Curve)
Area Under the ROC Curve (AUC-ROC)
Die Fläche unter der ROC-Kurve – ein einzelner Wert zwischen 0 und 1, der die Gesamtqualität eines Klassifikators misst.
Mathematik
Machine Learning basiert auf Mathematik und Statistik. Diese Kategorie erklärt die wichtigsten Konzepte: Bayes, Wahrscheinlichkeitsverteilungen, Metriken wie AUC und ROC sowie Aktivierungsfunktionen – verständlich auch ohne Mathe-Studium.
Mathematik Grundlagen
Bayes' Theorem
Bayes' Theorem / Bayes' Rule
Die mathematische Grundlage für probabilistisches Denken – wie wir Überzeugungen basierend auf neuen Beweisen aktualisieren. Fundament für ML und Statistik.
Mathematik Grundlagen
Bias-Variance Tradeoff
Bias-Variance Tradeoff
Das fundamentale Dilemma im Machine Learning – einfache Modelle (hoher Bias) vs. komplexe Modelle (hohe Varianz). Die Kunst liegt in der Balance.
Mathematik Grundlagen
KL-Divergenz
Kullback-Leibler Divergence / KL Divergence
Ein Maß für den Unterschied zwischen zwei Wahrscheinlichkeitsverteilungen – zentral für VAEs, Distillation und Information Theory.
Mathematik Grundlagen
Likelihood
Likelihood
Die Wahrscheinlichkeit der beobachteten Daten unter einem bestimmten Modell – zentral für Maximum Likelihood Estimation und Bayesian Inference.
Mathematik Grundlagen
Prior und Posterior
Prior / Posterior Distribution
Die zwei Seiten des Bayesian Learning – Prior ist das Vorwissen vor den Daten, Posterior ist die aktualisierte Überzeugung nach den Daten.
Mathematik Grundlagen
ROC Curve
Receiver Operating Characteristic Curve
Ein Diagramm zur Bewertung von Klassifikatoren – zeigt das Verhältnis von True Positive Rate zu False Positive Rate bei verschiedenen Schwellenwerten.