Einführung in Machine Learning mit Python

Wir zeigen an Beispieldaten, wie man ein Machine-Learning-Projekt in Python umsetzt. So kann etwa ein Programm sehr genau die Unterart einer Pflanze bestimmen.

Artikel verschenken
In Pocket speichern vorlesen Druckansicht 14 Kommentare lesen
Lesezeit: 26 Min.
Von
  • Armas Scharpegge
  • Arnd Scharpegge
Inhaltsverzeichnis

Mit Machine Learning (ML) lassen sich bemerkenswerte Leistungen erzielen: Die künstliche Intelligenz Alphafold vom Google-Tochterunternehmen Deepmind kann 3D-Strukturen von Proteinen ermitteln und so die Molekularbiologie revolutionieren. Deepmind bezwang mit Alpha-Go menschliche Weltklasse-Spieler in Go, einem Spiel, das für Computer als unspielbar galt.

Das Potenzial ist also sehr groß. Und das Beste dabei: Man muss nicht gleich ein Weltkonzern wie Google sein, um Machine Learning einsetzen zu können. Verschiedene Python-Module ermöglichen einen schnellen Einstieg mit einfachem Code. In diesem Artikel zeigen wir, wie Sie einen ML-Algorithmus nutzen, um die Unterart einer Pflanze zu bestimmen. Wir erklären, wie der Beispiel-Datensatz aufgebaut ist, warum man zwischen Trainings- und Testdaten unterschieden sollte und was der k-nächste-Nachbarn-Algorithmus kann und nicht kann. Zusätzlich geben wir mit wenigen Zeilen Code die Daten in einer interaktiven Grafik aus.

Mehr zum Thema Machine Learning

Wir werden in diesem Artikel Python nutzen, da es sich über die letzten Jahre zum Standard für Machine Learning entwickelt hat. Denn obwohl Python an sich langsamer als etwa C oder C++ ist, sind viele nützliche Module wie etwa scikit-learn in der Sprache geschrieben. Dieses Modul stellt unterschiedliche Testdatensätze bereit, mit denen man seinen Algorithmus tranieren kann.