Zusammenfassung
Im Folgenden werden die behandelten Themen zusammengefasst.
Im Wesentlichen wurde ein komplexes Klassifizierungsproblem mithilfe von Entscheidungsstrukturen und zufälligen Gesamtstrukturen an einem Beispiel erläutert. Die Aufgabe war nicht einfach: Es sollte ein Modell trainiert werden, mit dem vorhergesagt werden kann, welche Sportler*innen bei den Wettkämpfen eine Medaille für rhythmische Sportgymnastik gewinnen. Aber Sie haben es geschafft. Interessanterweise war dies mit nur ganz grundlegenden Merkmalen möglich: Alter, Gewicht, Größe und Jahr der Spiele.
Es wurde beschrieben, dass zur Optimierung komplexer Modelle häufig Entscheidungen darüber getroffen werden müssen, wie das Modell strukturiert werden soll, z. B. wie groß oder tief es sein soll. Es wurde erläutert, dass umfangreichere und komplexere Modelle nach dem Training im Inneren viel schwieriger zu verstehen sind, aber häufig beeindruckende Leistungssteigerungen gegenüber einfacheren Modelltypen aufweisen.
Darüber hinaus wurde die Verwendung von Hyperparametern geübt. Dabei handelt es sich um Einstellungen, die sich auf die Funktionsweise des Trainings auswirken. Es wurde festgestellt, dass Hyperparameter einen großen Einfluss darauf haben können, wie gut sich ein Modell trainieren lässt, und dass zum Finden der optimalen Auswahl sowohl logisches Denken als auch Experimentieren erforderlich sind.