Die meisten Tabellen sind für ein Modell einfach eine Wand aus Spalten. Dabei entscheidet allein die Aufgabenstellung, welche Spalte Eingabe ist und welche die Antwort.

Beim überwachten Lernen lernt ein Modell aus Beispielen mit bekannter Antwort. Das begegnet jedem täglich: Spamfilter sortieren E-Mails, Immobilienportale schätzen Hauspreise.

Zuerst steht die Frage, was vorhergesagt werden soll. Diese Zielgröße heißt Label. Beim Hauspreis-Beispiel ist das der Verkaufspreis als Zahl; beim Spamfilter das Urteil „Spam“ oder „kein Spam“.

Dann werden die Merkmale festgelegt – die Eingangsgrößen, aus denen das Modell seine Vorhersage ableitet. Für das Haus sind das Fläche, Baujahr und Lage; für die E-Mail Wörter und Absenderdaten. Die Auswahl entscheidet, welche Muster das Modell überhaupt sehen kann.

Danach erzeugt jemand die Labels, oft der aufwendigste Schritt. Menschen sammeln und prüfen die richtigen Antworten oder übernehmen sie aus bestehenden Systemen. Während des Trainings passen sich die Parameter des Modells an diese Beispiele an.

Zuletzt kommt die Inferenz: der Einsatz des fertigen Modells auf neuen Eingaben. Dort liegen keine Labels vor. Das Modell bekommt nur die Merkmale und liefert eine Vorhersage, die sich später mit dem echten Wert vergleichen lässt.

Derselbe Preis ist in einer Aufgabe das Label, in einer anderen ein Merkmal – etwa wenn die Lage aus Preisen vorhergesagt wird.

Achtung: Eine Spalte, die das Label verrät oder erst nach dem Ereignis entsteht, lässt das Modell im Training gut wirken und versagt dann auf neuen Daten. Wer die Rollen nicht selbst festlegt, bevor ein Modell trainiert wird, überlässt die Entscheidung dem Zufall.

Merkmale und Labels sind also Rollen, keine Spalteneigenschaften – derselbe Preis ist in einer Aufgabe das Label, in einer anderen ein Merkmal.

📌 Merkmal · Label · Inferenz

📚 KI von Grund auf · Tag 2 von 30
#machinelearning #ki #Evaluation