Clustering vs. Klassifizierung in der KI: Wie unterscheiden sie sich?
Clustering und Klassifizierung sind zwei gängige Methoden des maschinellen Lernens zur Erkennung von Mustern in Daten. Lucid Thoughts erklärt, was sie sind und worin die Unterschiede zwischen ihnen bestehen.
Sie können sowohl die erste als auch die zweite Staffel jetzt im Schnelldurchlauf ansehen.
Abonnieren Sie den Kanal Lucid Thoughts und stellen Sie sicher, dass Sie Ihre Fragen und Kommentare zu jedem Video hinterlassen.
Abschrift:
Wir treffen uns also wieder. Seien wir ehrlich, es ist wirklich leicht zu glauben, dass Clustering und Klassifizierung dasselbe sind. Ich meine, jeder redet davon, als ob es dasselbe wäre.
Glauben Sie mir, das sind sie nicht.
Sowohl Clustering als auch Klassifizierung sind Arten des maschinellen Lernens, funktionieren aber auf sehr unterschiedliche Weise. Und beide können einen großen Einfluss auf Ihr Geschäft haben.
Lassen Sie uns mit der Klassifizierung beginnen.
Klassifizierung ist eine überwachte Form des Lernens, bei der Sie dem Computer beibringen, etwas mit Daten zu tun, die bereits von Menschen beschriftet wurden. Dieser Trainingsdatensatz enthält eine feste Anzahl von Etiketten oder Kategorien, aus denen der Computer lernen kann. Durch das Erkennen von Mustern in den Trainingsdaten kann die Maschine neue Daten in vorher festgelegte Kategorien einordnen – das ist Klassifizierung.
Was ist der Unterschied zum Clustering?
Clustering ist eine Form des unüberwachten Lernens. Keine Trainingsgruppen, keine Bezeichnungen.
Erinnern Sie sich an die Zeit, als Sie gerade einmal 12 Jahre alt waren und dieses neue Blatt Millimeterpapier vor sich hatten, das voller Möglichkeiten war.
Je nachdem, welche Datenmerkmale wichtig sind, werden sich einige dieser Punkte in denselben Bereichen aufhalten, dies sind Cluster. Sie sagen uns, dass die Daten aufgrund der Parameter, die wir für den Computer festgelegt haben, ähnlich sind. Nun stellen Sie sich dies in einem viel größeren Maßstab vor. Oh, wow!
Bei diesen beiden Methoden handelt es sich also im Grunde um verschiedene Wege, Maschinen beizubringen, neue Daten zu organisieren, und beide haben ihren Platz im heutigen Geschäftsleben.
Im Einzelhandel können Sie zum Beispiel anhand von Daten feststellen, wo Kunden auf Ihrer Website nachgeschaut haben und ob sie einen Kauf getätigt haben oder nicht.
Anhand dieser Informationen können Sie Besucher als wahrscheinliche Kunden oder als Kunden, die sich nur umsehen, einstufen. Bumm! Jetzt weiß die Maschine, wie sie Kunden von Schaufensterbummlern unterscheiden kann. Sobald Sie wissen, wer bereit ist, Geld abzuheben, können Sie Empfehlungen aussprechen.
Beginnen Sie damit, dass Sie den Computer Kunden mit ähnlichem Kaufverhalten finden lassen. Sobald dieses Cluster erstellt ist, können Sie es nutzen, um ihnen andere Produkte vorzuschlagen, die ihnen gefallen. Etiketten, Kategorien, Ähnlichkeiten… so organisieren wir Menschen die Dinge, die wir täglich sehen. Und sie sind die Art und Weise, wie Maschinen die Art und Weise, wie wir die Dinge sehen, in Zukunft verändern werden. Also, bis zum nächsten Mal.
Lesen Sie weiter: Clustering und Klassifizierung im E-Commerce