Modellbasiertes Lernen
Definition
Explizite Annahmen bilden den Ausgangspunkt einer angepassten Lernlösung.
Hier bezeichnet modellbasiertes Lernen den Ansatz, Domänenwissen und Unsicherheiten in einem probabilistischen Modell auszudrücken und daraus Inferenz abzuleiten.
Einfach erklärt
Zuerst beschreibt man, wie die Welt vermutlich zusammenhängt; dann lernt das System aus Daten.
Warum das im Alltag wichtig ist
Annahmen werden sichtbar und können gezielt verändert werden.
Beispiel aus dem Mittelstand
Fiktiv: Ein Betrieb modelliert Nachfrage unter Berücksichtigung von Saison und Messfehlern.
Grenzen und Fallstricke
- Ein sauber berechnetes Modell kann auf falschen Annahmen beruhen.
Entstehung & Geschichte
Der Ansatz ist unter anderem durch Bishops Arbeiten zu Model-Based Machine Learning beschrieben.
Anwendung im Mittelstand
- KMU mit fachlichem Vorwissen können passende statt nur standardisierte Modelle entwickeln lassen.
Häufige Fragen
Ist das gleich modellbasiertes Reinforcement Learning?
Nein, dort wird speziell ein Umgebungsmodell für Entscheidungen genutzt.
Quellen
- Model-based machine learning — · Christopher Bishop: Model-based machine learning —
Redaktionell geprüft am: