Maschinelles Lernen - Theorie und Anwendung

*(Integrierte Vorlesung mit Übung)*

In dieser Vorlesungen werden weiterführende Themen des Maschinellen Lernens behandelt. Ein besonderer Schwerpunkt wird auf die Anwendung gelegt werden. Mehrere erfolgreiche Anwendungen des Maschinellen Lernens werden besprochen, und auf die jeweiligen Besonderheiten wird eingegangen. Beispiele sind Brain-Computer-Interface, Bioinformatik, Erkennen von Angriffen in Computernetzwerken und Textmining.

Material

Übungsblätter

• Blatt 1 blatt1.pdf, Banana-Datensatz banana.mat

• Blatt 2 blatt2.pdf (korrigierte Version, verlängerte Abgabe bis zum 15. Mai!)

• Blatt 3 blatt3.pdf

• Blatt 4 blatt4.pdf

• Blatt 5 blatt5.pdf Datensätze zu Blatt 5: 04_bananadata.dat, 04_sincdata.dat, 04_sinedata.dat, 04_spiraldata.dat. Erklärung: die ersten 1 bzw. 2 Zeilen enthalten die X-, die letzte Zeile die Y-Werte.

• Blatt 6 blatt6.pdf Datensatz zu Blatt 6: splice_data.mat. Wichtiger Hinweis: Da die zwei Klassen sehr unterschiedlich groß sind, macht es wenig Sinn, die Kreuzvalidierung bezüglich des Vorhersagefehlers durchzuführen. Verwendet statt dessen, den AUC-Score, d.h. die Fläche unter der ROC-Kurve.

Vorlesungsfolien

• "Kernels, the Feature Space, and Model Selection" (5. Juni 2007)

• "Introduction to Optimization" (8. Mai 2007)