Zu dieser Karteikarte gibt es einen kompletten Satz an Karteikarten. Kostenlos!

• Klassifikation bedeutet grob: Muster (fx) => Zahl (Klasse) k
• in Praxis nicht in einem Schritt => Klassifikation wird in mehrere Unterziele zerlegt => Teilschritt löst Teilproblem
• Trennung zwischen Merkmalgewinnung und Vorverarbeitung kann unscharf sein
• Merkmale dienen dazu die Datenmenge zu reduzieren (auf wichtige Aspekte im Muster, Bsp.: nur Tumor nicht ganzer Körper)
• => trennscharfe Informationen herausarbeiten (Bsp.: Unterscheidung O und Q (rechter unterer Teil wichtig!)
• Konzentration auf die für die Klassifikation wichtige Information

Anforderungen an Merkmale:
1. Gütekriterium vorhanden (wie gut ist das Merkmal? => Fehlerwahrscheinlichkeit)
2. Merkmalsgewinnung weitesgehend unabhängig von Vorverarbeitungsoperationen
=> jedes Muster erhält einen Merkmalsvektor (das Muster wird durch Transformationen umgeformt in einzelne Zahlenkodierungen (Feature-Vektoren))

Dabei gibt es zwei verschiedene Ansätze:
1. heuristische Methoden (Merkmale aufgrund Intuition, Erfahrungen, ...)
2. analytische Methoden (optimale Merkmale systematisch ableiten, Problemabhängige Reihenentwicklung)
=> Bewertung der Merkmale und Auswahl möglichst guter Untermengen (z.B. über PCA)