Wie entsteht die Gerade und die Kurve?
Wie funktioniert das eigentlich generell, also nicht nur bei Körpergröße und Geschwindigkeit? Wie lernen die Maschinen eigentlich? Überall auf der Welt werden solche Verfahren genutzt, um komplexe Fragen zu klären.
Dieser Prozess heißt tatsächlich 'Machine Learning' und läuft immer nach demselben Muster ab.
Schritt 1 – Daten sammeln
Zuerst braucht man Datenpunkte, am besten möglichst viel davon. Ein Datenpunkt besteht hier aus zwei Werten: Einem Eingabewert und dem dazugehörigen Ausgabewert. Bei unserem Beispiel: Körpergröße rein, Geschwindigkeit raus. Ein einzelner Datepunkt kann aber auch aus ganz vielen Werten bestehen, wie zum Beispiel Körpergröße, Geschwindigkeit, Schuhgröße und Name. Informationen sind überall vorhanden.
Dabei gilt meistens: Je mehr Datenpunkte, desto besser. Damit ensteht ein zuverlässigeres Modell.
Schritt 2 – Training
Dann kommt das Training. Die Maschine schaut sich alle Datenpunkte an und sucht ein Modell. Das Modell ist eine Formel, Kurve oder Gerade, die möglichst gut zu den Daten passt. Dabei geht die Maschine so ähnlich vor, wie du es in Aufgabe 2.1 „Regressionsgerade erstellen" gemacht hast. Du hast geschaut wie du deine Gerade verändern musst, damit der Fehlerwert möglichst klein wird. Die Maschine macht das genau so.
Wenn der Fehlerwert von Veränderung zu Veränderung kleiner wird, wird weiter in die gleiche Richtung verändert, weil sich das Modell so immer weiter verbessert. Wenn der Fehlerwert aber mit einer Veränderung größer wird, dann muss wieder zurück in die andere Richtung gegangen werden, damit das Modell nicht schlechter wird.
Wann hört die Maschine auf? Wenn sich der Fehlerwert von einer Veränderung auf die andere nicht mehr oder nur noch minimal ändert. Dann ist das Training abgeschlossen und wir haben dann zum Beispiel bei einer Gerade ein lineares Modell, welches durch Machine Learning entstanden ist.
Schritt 3 – Anwendung
Am Ende kann das Modell auf neue Daten angewendet werden. Daten, die es noch nie gesehen hat. Man gibt einen Eingabewert rein und das Modell gibt eine Vorhersage aus. Wie in Aufgabe 2.2 „Regressionsgerade benutzen", wo du herausgefunden hast, wie schnell eine Person ist, die 145 cm groß ist, obwohl es dafür keinen Datenpunkt gab. Als Ausgabe kam dann die Geschwindigkeit heraus. Meistens ist die Schätzung gut, aber nie perfekt. Je kleiner der Fehlerwert, desto besser werden die Vorhersagen.
