II.3.5 Verfahren zur Modellanpassung

Modelle lernen, indem ihre Parameter so verändert werden, dass sie die Trainingsdaten besser erklären.

Beim überwachten Lernen ist ein Modell zunächst nur eine Rechenvorschrift mit veränderbaren Parametern. Erst durch die Anpassung dieser Parameter wird aus der Rechenvorschrift ein Modell, das zu den Trainingsdaten passt.

In diesem Abschnitt werden drei wichtige Blickrichtungen auf Modellanpassung verglichen: gradientenbasierte Optimierung, lineare Ausgleichsrechnung und statistische Parameterschätzung. Sie beantworten dieselbe Grundfrage aus unterschiedlichen Perspektiven: Wie findet man gute Parameter?