Zusammenfassung
In diesem Kurs hast du gelernt...
- ...dass Daten (Eingangssignale samt Klassifikationsergebnis) Grundlage jeder Trainingsphase sind.
- ...warum Datensätze stets zufällig in Trainings- und Testdaten aufgeteilt werden müssen.
- ...dass die Konfusionsmatrix ein geeignetes Ergebnis der Testphase ist.
Obwohl wir mit den Trainingsdaten die wichtigste Grundlage der Trainingsphase kennengelernt haben, gibt es weitere Parameter, die entscheidend dazu beitragen, wie gut ein neuronales Netz eine Klassifikationsaufgabe lösen kann. Ein kleiner Ausblick:
- Unter dem Layout eines neuronalen Netzes versteht man, aus wie vielen Schichten das neuronale Netz besteht und wie viele Neuronen die einzelnen Schichten besitzen. Bei den Schwertlilien hatten wir es neben Eingangs- und Ausgangsschicht mit einer verborgenen Schicht bestehend aus fünf Neuronen zu tun.
- Auch die Trainingsphase kann durch einige Parameter feinjustiert und damit an die jeweilige Klassifikationsaufgabe angepasst werden. Zum Beispiel hat die Anzahl der Iterationsschritte einen wesentlichen Einfluss auf das Ergebnis der Testphase.
Auf diese und ähnliche Punkte gehen wir in einem abschließenden vierten Kurs dieser Reihe näher ein.