Online Algorithmen für Maschinelles Lernen

Die Frage ob es wohl regnen wird oder nicht beschäftigt uns seit jeher. Wir wollen hier den Fall betrachten, daß wir eine ganze Reihe von Wetterexperten haben, die wir tagtäglich befragen können und aus derem Rat und aus der Vergangenheit wollen wir eine eigene Prognose für die Zukunft abgeben. Es ist nicht zu erwarten, daß wir besser sein werden als der beste Experte. Es gibt aber eine Methode, die nur rund 2 1/2 mal häufiger die falsche Prognose liefert als der beste Experte. Die Methode läßt sich noch verbessern.

Inhalt des Vortrags:

• Vorstellung des Problems
• Vorhersagen durch Expertenbefragung
• Weighted Majority Algorithm
  • Simple Version (Theorem 1)
  • Randomized Version (Theorem 2)

Literatur:
A. Fiat and G.J. Woeginger
Online Algorithms: The State of the Art, LNCS 1442
Kap. 14 S. 306-325, relevant S.306-310.

Betreuer:
Elmar Langetepe