Nützliches über Maschinelles Lernen (ML)
Methoden des Maschinellen Lernens sind weit verbreitet, nicht nur in der Informatik, sondern auch in anderen Gebieten wie beispielsweise Compliance. Trotz der weiten Verbreitung ist das Entwickeln von erfolgreichen ML-Anwendunge nach wie vor eine Hexenkunst, die man nicht in Lehrbüchern findet. Hier sind die 12 wichtigsten Erkenntnisse der ML-Spezialisten.
12 wichtigsten Erkenntnisse der ML-Spezialisten
- ML = Datenrepräsentation + Experimenten & Evaluation + Optimierungen.
- Generealisierung ist entscheidend.
- Daten alleine genügen nicht.
- Overfitting hat viele Gesichter.
- Intuition versagt bei vieldimensionalen Problemstellungen.
- Theoretische Garantien sind nicht das, was sie scheinen zu sein.
- "Feature Engineering" ist der Schlüssel zum Erfolg.
- Viele Daten übertreffen clebvere Algorithmen.
- Versuche es mit möglichst vielen Modellen, nicht nur mit einem.
- Einfachheit impliziert nicht automatisch Genauigkeit.
- Darstellbar heisst nicht automatisch erlernbar.
- Korrelation ist nicht Kausalität.
