Teile und herrsche
Genau das soll ein Classifier, Schritt 3, tun - aufgrund von statistischen Daten werden neue Daten in verschiedene Gruppen einteilen. Vorurteilsbasiert aufgrund von Wahrscheinlichkeitswerten.
Nachdem ich bis heute Mittag eine Einführung in diverse Ansätze für Classifier erhalten habe, darf ich heute Nachmittag mit einigen davon spielen.
Ein Paar Gruppen/Ansätze für Classifier:
Münze - vollkommen zufällig (Kopf oder Zahl)
Nearest Neighbour - trifft Entscheidung aufgrund von Datenpunkten innerhalb eines Radius des neuen Datenpunkts
ZeroR - trifft Entscheidung aufgrund des am häufigsten vorkommenden Klassentyps (entspricht Nearest Neighbour mit Radius unendlich)
K Nearest Neighbour - findet die K nächsten Nachbarn
Treebased - findet den Datentyp aufgrund von Entscheidungsbäumen
Ist Mensch?
Ja: Ist Mann?
Ja: -> Klasse Mann
Nein: -> Klasse Frau
Nein: Ist Tier?
Ja: Klasse Tier
Nein: Klasse Außerirdisches Wesen