Maschinelles Lernen

Die wohl bekannteste Anwendung für maschinelles Lernen ist vermutlich der Spamfilter. Ein Spamfilter filtert unerwünschte elektronische Post aus. Ein Algorithmus analysiert, welche E-Mails Sie in der Vergangenheit als Spam bezeichnet haben. E-Mails mit den Wortfolgen «Millionengewinn» oder «extrem sexy» werden künftig aussortiert.

Die auf der letzten Seite erwähnten Lernalgorithmen, oder eben das maschinelle Lernen, lassen sich in drei Arten unterscheiden. Unser Schwestermedium «Computerworld» definiert Machine Learning folgendermassen: 

1. überwachtes Lernen (Supervised Learning)
2. unüberwachtes Lernen (Unsupervised Learning) und
   
3. verstärkendes Lernen (Reinforcement Learning).

«In die Kategorie überwachtes Lernen fallen die Algorithmen. Um selbstständig Entscheidungen treffen zu können, werden die Algorithmen zuerst mit klassifizierten Daten trainiert. Der Lernprozess basiert dabei auf einem Trainingsdatensatz, die Evaluierung des Modells erfolgt danach anhand eines Testdatensatzes.

Ansätze des unüberwachten Lernens versuchen hingegen, Muster in bestehenden Daten zu finden – ohne im Voraus bekannte Zielwerte. Der Algorithmus muss dabei selbst Kategorien finden.

Beim verstärkenden Lernen soll für ein bestimmtes Problem eine optimale Lösung erlernt werden. Dabei kommt eine maximierende Anreiz- oder Belohnungsfunktion zum Einsatz. Dem Algorithmus wird zwar nicht gezeigt, welche Aktion in einer bestimmten Situation die beste ist, seine Wahl wird aber entweder bestraft oder belohnt.»