1
2
3

Was zählt wirklich?

Wähle die richtigen Details, damit die KI besser lernt.

Schritt 1 von 3

Das lernst du in diesem Level

  • Wie du nützliche Merkmale von unnützen unterscheidest
  • Warum mehr Merkmale nicht automatisch besser sind
  • Was Überanpassung (Overfitting) bedeutet

Die richtigen Merkmale wählen

Wenn wir Computern beibringen, Muster zu erkennen, müssen wir entscheiden, auf welche Details oder 'Merkmale' (Features) wir achten sollen.

Zum Beispiel: Um Äpfel von Orangen zu unterscheiden, könntest du auf Farbe, Form und Textur achten - das sind die 'Merkmale', die du zur Klassifizierung nutzt.

Warum die Auswahl so wichtig ist

  1. Bessere Genauigkeit

    Mit den richtigen Merkmalen sagt der Computer mehr richtig vorher. Unpassende Merkmale verwirren ihn nur.

  2. Schnelleres Lernen

    Mit wenigen Merkmalen lernt der Computer Muster schneller. Er braucht auch weniger Speicher.

  3. Kein Auswendiglernen

    Bei zu vielen Merkmalen lernt der Computer die Trainingsdaten auswendig. Die echten Muster versteht er dann nicht.

  4. So machen es Ärzte

    Ärzte machen nicht jeden möglichen Test. Sie wählen die Tests, die zu deinen Beschwerden passen.

Hier probierst du verschiedene Merkmale aus. Welche helfen dem Computer am besten beim Sortieren?

Erst raten, dann forschen

Du gibst dem Modell möglichst viele Merkmale — auch nutzlose wie die Regalnummer. Was passiert?