Logo des Repositoriums
 
Konferenzbeitrag

Enaktive Bestimmung der Hyperparameter beim Entscheidungsbaum- und k-nächste-Nachbarn-Algorithmus

Vorschaubild nicht verfügbar

Volltext URI

Dokumententyp

Text/Conference Paper

Zusatzinformation

Datum

2023

Zeitschriftentitel

ISSN der Zeitschrift

Bandtitel

Verlag

Gesellschaft für Informatik e.V.

Zusammenfassung

Für den Bereich der Künstlichen Intelligenz werden momentan zahlreiche Unterrichtsmaterialien veröffentlicht. Viele davon konzentrieren sich dabei auf den Teilbereich des Maschinellen Lernens. Die hier vorgestellten Unterrichtsmaterialien gehören ebenfalls in diese Kategorie – sie sprechen allerdings gezielt verschiedene Repräsentationsebenen an und sollen durch die haptische Zugänglichkeit auch Menschen mit einer Sehbeeinträchtigung den Zugang erleichtern. Bei den in diesem Beitrag vorgestellten Materialien handelt es sich um aus Holz gefertigte Pilze, die sich u.a. für die Erarbeitung des k-nächste-Nachbarn- und Entscheidungsbaum-Algorithmus eignen. Die Pilze verfügen dazu über binäre und metrische Merkmale. Der zugrunde liegende Datensatz ist bewusst klein und wurde so gewählt, dass der Einfluss von Hyperparametern gezeigt werden kann. Er enthält Validierungsdaten, die die Optimierung der Baumtiefe und der Anzahl der Nachbarn ermöglichen. Der Datensatz kann für weitere Algorithmen verwendet werden und ermöglicht somit eine effiziente Unterrichtsgestaltung.

Beschreibung

Joachim, Silvia; Hennecke, Martin (2023): Enaktive Bestimmung der Hyperparameter beim Entscheidungsbaum- und k-nächste-Nachbarn-Algorithmus. INFORMATIK 2023 - Designing Futures: Zukünfte gestalten. DOI: 10.18420/inf2023_47. Bonn: Gesellschaft für Informatik e.V.. PISSN: 1617-5468. ISBN: 978-3-88579-731-9. pp. 415-418. Bildung - KI-Bildung - Ein Workshop zu Aus- und Weiterbildung über Künstliche Intelligenz. Berlin. 26.-29. September 2023

Zitierform

Tags