Description |
Die Support Vector Machine (SVM) ist ein viel verwendetes Lernverfahren, das
gut auf großen, hochdimensionalen Daten eingesetzt werden kann, wie sie
beispielsweise bei der Analyse von Bilder, Audiodaten, Texten, bei
medizinischen Anwendungen, in der Genetik oder in Industrieanwendungen
vorkommen. Das Ergebnis der SVM ist eine komplexe numerische Funktion auf dem
Eingaberaum, die an sich schlecht interpretierbar ist. Daher werden eine oder
mehrere Visualisierungverfahren gesucht, anhand derer man Fragen wie "Welches
sind die typischen Beispiele?", "Welchen Einfluß hat ein Attribut?" oder
"Warum wird ein Beispiel falsch vorhergesagt?" besser beantworten kann.
Ziel dieser Diplomarbeit ist es, Visualisierungsverfahren zu entwickeln,
analysieren und implementieren, die über einfache Plots hinausgehen und speziell auf die SVM und die konkrete
Fragestellung hin ausgelegt wird. Als Grundlage steht am Lehrstuhl die
Lernumgebung YaLE zur Verfügung. |