Zusammenfassung
Es wird der wesentliche Gegenstand dieses Buches erläutert, und zwar die Klassifikation von digitalisierten Objekten. Beim überwachten Lernen werden für geeignete Verfahren auf Basis von Lerndaten Verfahrensparameter so berechnet, dass man damit konkrete Zuordnungskriterien erhält. Entscheidend ist, dass die Zuordnung auch für nicht beim Lernen verwendete Daten gut funktioniert, deswegen wird auch auf den Begriff der Testdaten eingegangen. Da die Lineare Algebra eine tragende Rolle in diesem Buch spielt und auch etwas Analysis verwendet wird, werden die über mehrere Kapitel benötigten Bezeichnungen und Sätze in diesem Kapitel zusammengestellt.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2024 Der/die Autor(en), exklusiv lizenziert an Springer-Verlag GmbH, DE, ein Teil von Springer Nature
About this chapter
Cite this chapter
Engel, K. (2024). Einführung. In: Mathematische Grundlagen des überwachten maschinellen Lernens. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-68134-3_1
Download citation
DOI: https://doi.org/10.1007/978-3-662-68134-3_1
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-68133-6
Online ISBN: 978-3-662-68134-3
eBook Packages: Life Science and Basic Disciplines (German Language)