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 – häufig genutzt in VAEs, Distillation und Information Theory.
Grundlagen Mathematik
Lernrate (Learning Rate)
Learning Rate
Die Lernrate steuert, wie große Schritte ein Modell beim Training macht, um seine Parameter anzupassen – einer der wichtigsten und sensibelsten Hyperparameter im Machine Learning.
Mathematik Grundlagen
Likelihood
Likelihood
Die Plausibilität beobachteter Daten unter einem bestimmten Modell – wichtig für Maximum Likelihood Estimation und Bayesian Inference.
Grundlagen Mathematik
Naive Bayes
Naive Bayes
Naive Bayes ist ein einfacher, schneller Klassifikationsalgorithmus auf Basis des Satzes von Bayes. Trotz seiner stark vereinfachenden Annahme liefert er besonders bei Textdaten erstaunlich gute Ergebnisse.
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.