Trainingsdaten und ihre Folgen
Ein Modell ist nur so gut wie seine Trainingsdaten. Sind sie einseitig, entstehen ungerechte oder falsche Ergebnisse.
Das lernst du heute
- Ich erkläre, wie Trainingsdaten die Ergebnisse beeinflussen.
- Ich vergleiche die Genauigkeit für verschiedene Gruppen.
- Ich nenne Maßnahmen gegen einseitige Daten.
Das brauchst du schon: Vielleicht hilft dir zuerst diese Lektion: Was KI kann und was nicht
Ein Modell lernt nur das, was in seinen Daten steckt. Fehlt etwas in den Daten, arbeitet das Modell dort später schlecht. Das nennt man Verzerrung, englisch Bias.
Beispiel: Ein System erkennt Stimmen. Beim Training stammen fast alle Aufnahmen von Gruppe A. Von Gruppe B gibt es nur wenige. Das System erkennt Gruppe A viel besser als Gruppe B.
Das zeigt der Test. Gruppe A hat 100 Testaufnahmen, 90 werden richtig erkannt. Gruppe B hat 10 Testaufnahmen, 6 werden richtig erkannt. Insgesamt sind es 96 von 110, das sind etwa 87 %. Das klingt gut. Aber für Gruppe B sind es nur 60 %. Die Gesamtzahl versteckt das Problem.
Weitere Ursachen für schlechte Ergebnisse: veraltete Daten, falsche Etiketten und zu wenige Beispiele.
Auch der Datenschutz zählt. Daten über Personen sind sensibel. Man sammelt nur, was nötig ist, und meist nur mit Erlaubnis der Personen. Maßnahmen: vielfältige Daten sammeln, Ergebnisse für Gruppen getrennt prüfen, Menschen die Ergebnisse kontrollieren lassen.
| Gruppe | Testfälle | richtig erkannt | Anteil |
|---|---|---|---|
| A | 100 | 90 | 90 % |
| B | 10 | 6 | 60 % |
| Alle | 110 | 96 | etwa 87 % |
Die Gruppen vergleichen
- Gruppe A: 90 von 100 richtig, das sind 90 %.
- Gruppe B: 6 von 10 richtig, das sind 60 %.
- Alle zusammen: 90 + 6 = 96 von 100 + 10 = 110, etwa 87 %.
- Der Gesamtwert ist hoch, aber Gruppe B ist deutlich schlechter dran.
Ich verstehe das noch nicht
Such dir aus, was dir hilft.
Noch einfacher erklärt
Schlechte Daten bedeuten schlechte Ergebnisse.
Einseitige Daten bedeuten einseitige Ergebnisse.
Prüfe jede Gruppe einzeln.
Ein Beispiel
Jemand übt Laufen nur auf einem flachen Sportplatz. Im Gelände fällt es ihm schwer. Genauso kennt ein Modell nur die Fälle aus seinem Training.
Schritt für Schritt
Wir prüfen die Gruppen
- Wir lesen für jede Gruppe die richtigen Fälle und die Testfälle ab.
- Wir berechnen den Anteil je Gruppe.
- Wir berechnen den Gesamtanteil.
- Wir vergleichen die Werte.
Mit einem Bild erklärt
| Gruppe | richtig | Testfälle | Anteil |
|---|---|---|---|
| A | 90 | 100 | 90 % |
| B | 6 | 10 | 60 % |
Zur Grundlage zurück
- Was KI kann und was nicht – Du kennst Grenzen von KI.
Jetzt zusammen
Wir lösen die Aufgabe gemeinsam. Nutze die Hilfen, wenn du sie brauchst.
Zeig mir den ersten Schritt
Was lernt ein Modell in der Trainingsphase?
Lösung ansehen
Lösung: In den Trainingsdaten kommt Gruppe B kaum vor.
Jetzt du
Jetzt probierst du es allein.
Gruppe B hat 10 Testfälle, 6 sind richtig. Wie viel Prozent sind das?
Zeig mir den ersten Schritt
Rechne beide Zahlen mal 10. Dann hast du Werte von 100.
Lösung ansehen
Lösung: 60
6 von 10 ist 60 von 100, also 60 %.
Tipp: Prüfe die Ergebnisse immer auch für einzelne Gruppen. Ein guter Gesamtwert kann Unterschiede verstecken.
Merksatz: Einseitige Trainingsdaten führen zu einseitigen Ergebnissen. Gute Daten sind vielfältig, aktuell, richtig beschriftet und datensparsam.
Typischer Fehler: Viele denken, ein Computer sei neutral. Ein Modell übernimmt aber alle Lücken und Fehler aus den Daten.
Mini-Quiz
5 kurze Fragen, ohne Noten. Bei jeder Frage kannst du dir die Lösung ansehen.
Frage 1 Gruppe A hat 90 richtige und Gruppe B hat 6 richtige Fälle. Wie viele richtige Fälle sind es zusammen?
Zeig mir den ersten Schritt
Addiere die beiden Zahlen.
Lösung ansehen
Lösung: 96
90 + 6 = 96.
Lösung ansehen
Lösung: Vielfältige Daten sammeln und Gruppen einzeln prüfen
Lösung ansehen
Lösung: Stimmt nicht
Lösung ansehen
Lösung: Daten mit vielen falschen Etiketten
Lösung ansehen
Lösung: Stimmt nicht
Geschafft
Die Qualität der Trainingsdaten bestimmt die Qualität des Modells. Man prüft Gruppen getrennt und achtet auf Datenschutz.
Kannst du das schon?
Hake ab, was du schon kannst. Was noch fehlt, schaust du dir einfach noch einmal an.
Übungsheft Maschinelles Lernen und neuronale Netze
Kurz erklärt, 44 Aufgaben in drei Stufen und alle Lösungen. Kostenlos.
Das Heft ist für alle kostenlos – auch wenn gerade kein Geld dafür da ist. Wer es einrichten kann, unterstützt DYS+ Campus mit einem selbst gewählten Betrag. Freiwillig unterstützen