+49 521 2528 1415

11. Dezember, 16:00 Uhr

Pioneers Club

Digital Gym: Machine Learning

Können wir Machine-Learning-Modelle verstehen? Dr. Meike Wocken gibt eine Einführung in Klassifikationsalgorithmen und Local Interpretable Model-Agnostic Explanations (LIME)

Nachdem unser Mitglied Meike von Datenliebe bei dem Farmhack in Osnabrück den zweiten Platz belegte, kommt sie nun wieder zu uns und berichtet über die Feinheiten & Basics des Machine Learning.

Machine Learning Verfahren können Objekte, z.B. Kunden, anhand ihrer Eigenschaften automatisiert bestimmten Klassen, beispielsweise „Kunde ist abwanderungsbedroht“ zuordnen. Dafür gibt es unterschiedliche Klassifikationsmodelle, die sich in ihren Algorithmen und ihrer Komplexität unterscheiden. Ein einfaches Modell ist leicht verständlich und nachvollziehbar, aber gleichzeitig nicht fähig, komplexe Zusammenhänge abzubilden und somit genaue Vorhersagen für Testdaten zu liefern. Komplexe Modelle sind im Wesentlichen „Blackbox“-Verfahren, die i.d.R. gute Prognoseergebnisse liefern. Das Verstehen und Interpretieren von „Blackbox“-Modellen ist wichtig für ein Vertrauen in die Ergebnisse des Modells und um beurteilen zu können, ob es aus den Trainingsdaten das Richtige gelernt hat.

Zur Darstellung des Trade-Offs zwischen Interpretierbarkeit und Präzision wird Meike anhand verschiedener Beispiele aus den Bereichen Customer Churn, Kunden Marketingaktivitäten, Krebsdiagnosedaten und Bilderkennung Klassifikationsmodelle von logistischer Regression, über Decision Trees und Random Forests bis hin zum Convolutional Neuronalen Netz vorstellen. Zusätzlich gibt Meike eine Einführung in den Algorithmus LIME (Local Interpretable Model-agnostic Explanations), um diesen für die Erklärung der komplexen Modelle zu nutzen.

Die gezeigten Beispiele sind in der Open Source Statistikumgebung R programmiert. Der Code und die Daten werden zur Verfügung gestellt. Für Hands-On können Laptops mit installiertem R/R Studio mitgebracht werden. Laptops und Programmiererfahrung sind aber keine zwingende Voraussetzung für das Digital Gym.

Anmelden