diff options
| -rw-r--r-- | Info/23_24/06/11/11B/schedule.md | 35 | ||||
| -rw-r--r-- | Info/23_24/06/11/11B/slides.md | 102 |
2 files changed, 137 insertions, 0 deletions
diff --git a/Info/23_24/06/11/11B/schedule.md b/Info/23_24/06/11/11B/schedule.md new file mode 100644 index 00000000..64ef0c83 --- /dev/null +++ b/Info/23_24/06/11/11B/schedule.md @@ -0,0 +1,35 @@ +--- +lang: de +geometry: margin=2cm +--- +# + +* **Klasse**: 11B +* **Datum**: 11.06 + +## Lernziele + +## Verlaufplan + +--------------------------------------------------------------------------------------------------- +Zeit Phase Unterrichtsgeschehen Ziel Methode Medien +----- --------------- -------------------------------------------- ----------- ---------- --------- +25 Verbesserung 2. KA UG + +5 Wdh T-Shirts per KNN klassifizieren UG + +5 Erarbeitung Wahl von k: Validierung UG + +10 Uebung Wahl von k: Validierung der T-Shirts EA + +5 Erarbeitung War unsere Wahl gut k? Testen UG + +10 Uebung Testen in Excel PA + +10 Sicherung MM: Von der Idee zum Modell UG + +5 Motivation Gymnasien finden LV + +20 Übung Eigenes System trainieren und testen EA + vgl Cornelson S175 A6 +--------------------------------------------------------------------------------------------------- diff --git a/Info/23_24/06/11/11B/slides.md b/Info/23_24/06/11/11B/slides.md new file mode 100644 index 00000000..aa1f09c5 --- /dev/null +++ b/Info/23_24/06/11/11B/slides.md @@ -0,0 +1,102 @@ +--- +author: Florian Fischer +theme: metropolis +aspectratio: 169 +header-includes: | + \makeatletter + \beamer@ignorenonframefalse + \makeatother +--- + + +## Wdh KNN + +{.center} + +## Wie finden wir ein [geeignetes]{.underline} $k$? + +### Validerung + +Wir untersuchen ob unsere Wahl von $k$ "gut" war anhand \boldred{Validierungsdaten}. + +\pause +### Woher kommen die Daten? + +Wir teilen unseren Datensatz in **Trainings-** und **Validierungsdaten**. + +## Validierung + +### Vorgehen + +1. Auswahl eines Validierungsdatenpunkts $P$ +2. Berechnung der Klassifikation für $P$ mit Hilfe des KNN-Models für verschiedene Werte von $k$ +3. Notieren für welche $k$ das berechnete Label mit dem tatsächlichen Label von $P$ übereinstimmt +4. Wiederholen des Vorgehens für alle Datenpunkte des Validierungsdatensatzes +5. Auswahl des Wertes für $k$, der am häufigsten zu einer korrekten Vorhersage des erwarteten Labels geführt hat + +## Validierung + +### Beispiel + +::: {.columns} +:::: {.column width=50%} +Wir wählen den Validierungspunkt (VDP) $P (3.5 | 2)$ mit Label \textcolor{blue}{blau}. + +\pause +\vspace{0.2cm} +Klassifizierung von $P$ mit verschiedenen Werten von $k$. +\vspace{0.2cm} + + + +\pause +\vspace{0.2cm} +$\Rightarrow$ Wir wählen $k = 3$. +:::: + +:::: {.column width=50%} + +:::: +::: + +## \faIcon{desktop} Arbeitsauftrag - Wahl von k - 10 min + +* Öffne die Excel-Mappe `k_naechster_Nachbar_Klassifikation_Datensatz_T_Shirt` und navigiere zur Tabelle `Bestimmung_k_Allgemein` +* Führe das Verfahren für die restlichen Validierungsdaten durch und fülle die Tabelle +* Gib unter Verwendung der Tabelle die beste(n) Wahlen für den Parameter $k$ an + +## {.standout} + +Können wir unser Modell auf die Welt los lassen? + +## Testen + +Überprüfen der Vorhersagequalität des Modells anhand von \boldred{Testdaten}. + +### Vorgehen + +1. Berechnung der Label für die Testdaten unter Verwendung des trainierten KNN-Modells +2. Vergleich der berechneten Label mit dem jeweils zugehörigen erwarteten Label + +## Testen + +Die Ergebnisse können in einer \boldred{Konfusionsmatrix} übersichtlich dargestellt werden. + +### Beispiel + +{.center} + +\text{Genauigkeit} \Large $= \frac{\text{korrekt klassifiziert}}{\text{Anzahl aller Daten}}$ + +## \faIcon{desktop} Arbeitsauftrag - Testen - 10 min + +* Öffne die Excel-Mappe `k_naechster_Nachbar_Klassifikation_Datensatz_T_Shirt` und navigiere zur Tabelle `Testen_Konfusionsmatrix` +* Ergänze auf Basis der restlichen Trainingsdaten und $k = 4$ die Konfusionsmatrix +* Welche Genauigkeit ergibt sich für die gegebenen Testdaten? + +## \faIcon{desktop} Arbeitsauftrag - Von der Idee zum Modell - 20 min + +* Öffne das Programm Orange +* Die Daten liegen unter *Ablage/11b/vorlagen/KI/GymnasiumDaten* +* Versuche durch eine geeignete Merkmalsauswahl und sinnvolle Hyperparameterwerte (siehe Anleitung) ein möglichst optimales Klassifikationsergebnis für die Validierungsdaten zu erzielen +* Teste die Güte deines KI-Systems anhand der Testdaten und vergleiche deine Ergebnisse mit denen anderer Klassenmitglieder |