Wie skaliert eigentlich das Ganze?
- 00:00:00 Start
- 00:00:03 Wie wird eigentlich das Ganze skaliert?
- 00:01:15 Skalierung
- 00:01:47 Normalisieren
- 00:03:03 Standardisieren
- 00:04:14 Binarisieren
| Zugehörige Institution(en) am KIT | Institut für Technik der Informationsverarbeitung (ITIV) Universität Karlsruhe (TH) – Zentrale Einrichtungen (Zentrale Einrichtungen) Zentrum für Mediales Lernen (ZML) |
| Publikationstyp | Audio & Video |
| Publikationsdatum | 19.10.2021 |
| Erstellungsdatum | 20.09.2021 |
| Sprache | Deutsch |
| DOI | 10.5445/IR/1000139087 |
| Identifikator | KITopen-ID: 1000139087 |
| Lizenz | Creative Commons Namensnennung – Weitergabe unter gleichen Bedingungen 4.0 International |
| Bemerkung zur Veröffentlichung | Nachdem wir unseren Daten eingelesen und vorverarbeitet haben, ist es in der Regel eine gute Idee, sie vor dem Training noch zu skalieren. Denn das Training mit Rohdaten erzeugt häufig nur “Abfall” im Ausgang. Deshalb gilt im Bereich des maschinellen Lernens die Weisheit: Garbage In, Garbage Out. In diesem Video stellen wir Ihnen dazu drei Skalierungsverfahren vor: Normalisierung, Standardisierung und Binarisierung. |
| Serie | Angewandte Machine Learning Algorithmen (AMALEA) |
| Folge | 5 |