Attributwerte einer Seite

Diese Seite stellt eine einfache Suchoberfläche zum Ermitteln aller Attribute auf einer bestimmten Seite bereit. Andere verfügbare Suchoberflächen sind die Attributsuche sowie der Abfragengenerator.

Liste der Ergebnisse

• Der Parameter '"`UNIQ--math-00000002-QINU` … Der Parameter '"`UNIQ--math-00000002-QINU`"' steuert den Bias-Varianz-Tradeoff: kleine Werte von '"`UNIQ--math-00000003-QINU`"' führen zu sehr flexiblen, aber verrauschten Modellen, große Werte zu glatteren, stabileren Schätzungen. Zusätzlich beeinflussen Feature-Skalierung und Distanzgewichtung das Modellverhalten stark.stanzgewichtung das Modellverhalten stark.  +
• Die Ähnlichkeit wird über eine Distanzmetr … Die Ähnlichkeit wird über eine Distanzmetrik definiert (z. B. euklidisch, Manhattan, Mahalanobis). Bei Klassifikationsaufgaben erfolgt die Vorhersage meist durch Mehrheitsentscheidung unter den Nachbarn, bei Regressionsaufgaben durch Mittelung (oder gewichtete Mittelung) der Zielwerte.(oder gewichtete Mittelung) der Zielwerte.  +
• Rechnerisch verschiebt k-NN den Aufwand vo … Rechnerisch verschiebt k-NN den Aufwand vom Training zur Vorhersage, da für jede Anfrage Abstände zu vielen oder allen Trainingspunkten berechnet werden müssen. Effiziente Datenstrukturen (z. B. k-d-Trees) können dies nur in niedrigen Dimensionen teilweise abmildern.niedrigen Dimensionen teilweise abmildern.  +
• k-NN ist ein lokales Lernverfahren: Entsch … k-NN ist ein lokales Lernverfahren: Entscheidungen werden punktweise auf Basis der lokalen Datenstruktur getroffen. Dadurch kann es hochgradig nichtlineare Entscheidungsgrenzen abbilden, leidet jedoch unter dem Fluch der Dimensionalität, da Distanzen in hochdimensionalen Räumen an Aussagekraft verlieren.sionalen Räumen an Aussagekraft verlieren.  +
• k-Nearest Neighbor (k-NN) ist ein instanzb … k-Nearest Neighbor (k-NN) ist ein instanzbasiertes, nichtparametrisches Lernverfahren, das Vorhersagen ausschließlich auf Basis der Ähnlichkeit zu bereits beobachteten Datenpunkten trifft. Es gibt kein explizit trainiertes Modell; stattdessen wird für eine neue Beobachtung eine Menge der k nächstgelegenen Nachbarn im Merkmalsraum bestimmt.legenen Nachbarn im Merkmalsraum bestimmt.  +