• Keine Ergebnisse gefunden

Algorithmische Grundlagen des Maschinellen Lernens Sommersemester 2020

N/A
N/A
Protected

Academic year: 2022

Aktie "Algorithmische Grundlagen des Maschinellen Lernens Sommersemester 2020"

Copied!
1
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Anne Driemel

Thomas Kesselheim 21. April 2020

Xianghui Zhong Abgabe bis: 27. April 2020, 12 Uhr

Algorithmische Grundlagen des Maschinellen Lernens Sommersemester 2020

Ubungsblatt 1 ¨

Aufgabe 1: (4 Punkte)

Betrachten Sie einen zuf¨alligen W¨urfelwurf mit 3 W¨urfeln. Nehmen Sie an, dass jeder einzelne W¨urfel gleichverteilt eine Zahl zwischen 1 und 6 liefert und dass die W¨urfel statistisch un- abh¨angig voneinander sind. Was ist die Wahrscheinlichkeit, dass der Wurf genau zwei gleiche Zahlen enth¨alt?

Aufgabe 2: (4 Punkte)

Zwei Punktmengen im R2 sind durch eine Gerade separierbar, wenn alle Punkte der einen Menge unterhalb der Gerade liegen und alle Punkte der anderen Menge oberhalb der Geraden liegen. Gleiches gilt in Bezug auf Ebenen im R3.

1. Geben Sie ein Beispiel zweier disjunkter Punktmengen P ⊂R2 und Q⊂ R2, die nicht durch eine Gerade separierbar sind.

2. Geben Sie ein Beispiel zweier disjunkter Punktmengen P ⊂R3 und Q⊂ R3, die nicht durch eine Ebene separierbar sind.

Begr¨unden Sie Ihre Antworten. Kann in einem Ihrer Beispiele ein Punkt entfernt werden, ohne dass das Beispiel separierbar wird?

Aufgabe 3: (10 Punkte)

Betrachten Sie den Hypothesenraum H, in der jede Funktion ha,b: R→ {−1,+1} durch ein offenes Intervall (a, b) definiert ist undha,b(x) = 1 genau dann wennx∈(a, b). F¨ur den Fall, dass a=b, definieren wir, dass (a, b) =∅gilt. Betrachten Sie den folgenden Lernalgorithmus.

1. Falls das Sample S kein Element (xi, yi) mit yi = 1 enth¨alt, gibt der Lernalgorithmus die konstante Funktion x7→ −1 f¨ur all x∈R zur¨uck.

2. F¨ur ein Sample {(x1, y1), . . . ,(xm, ym)} gibt der Lernalgorithmus die Funktion ha0,b0 zur¨uck, die wie folgt definiert ist. Der Wert a0 ist das gr¨oßte xi, sodass yi = −1 und xi < xj f¨ur ein yj = 1. Falls dieses nicht existiert, ist a0 = −∞. Der Wert b0 ist das kleinste xi, sodass yi = −1 und xi > xj f¨ur ein yj = 1. Falls dieses nicht existiert, ist b0 =∞.

Beweisen Sie, dass dieser Algorithmus die PAC-Lernbarkeit nachweist. Sie k¨onnen dazu den Beweis aus der Vorlesung modifizieren und gegebenenfalls erweitern.

Aufgabe 4: (2 Punkte)

Sei f¨ur eine Hypotheseh: R→ {−1,+1},h(x) = 1 genau dann wennx∈[2,4]. Berechnen Sie den tats¨achlichen Fehler errD,f(h) unter der Annahme, dass f¨ur Grundwahrheit f gilt, dass f(x) = 1 genau dann wenn x ∈ [1,3] und, dass die Verteilung D durch die Dichtefunktion g(x) = e−x gegeben ist.

Referenzen

ÄHNLICHE DOKUMENTE

Ein Punkt auf der Kreislinie um den Ursprung mit dem Radius r erfüllt mit seinen Koordinaten die Bedingung:.. Mit dem

Jede dieser Gleichung besteht aus Summanden, die jeweils aus dem Produkt von 2 Koordinaten von p bestehen.. Damit ist diese Gerade eine äussere

Das gilt auch für uns als Gewerkschaften, die wir uns noch stärker für die Interessen unserer Mitglieder einsetzen müssen.. Die Ergebnisse der letzten Mitar- beiterbefragung sind

Das Thermometer ist auf derselben so angebracht, dass die Glaskugel desselben in einer Vertiefung der Stange rnht‚ und zur Hälfte vom Eisen berührt wird‚ während die Röhre der

Hinweise: Das JAVA Development Kit (JDK) zum Entwickeln von JAVA-Programmen und das JAVA Runtime Environment (JRE) zum Ausf¨uhren von JAVA-Programmen finden Sie f¨ur

Es seien S und S 0 zwei Mengen von jeweils m Samples unabh¨ angig gezogen aus der gleichen Verteilung. Ihr Beispiel sollte keine 4 Punkte enthalten, die affin abh¨

Geben Sie ein Beispiel im realisierbaren Fall an, in dem die Soft-SVM-L¨ osung eine Hypothese liefert, die nicht alle Datenpunkte

Sei die Gerade durch ihre Steigung a und Achsenabschnitt b