Glossar

Die Optimalität beschreibt beim bestärkenden Lernen das Ziel des Agenten, die optimale Policy zu finden, d. h. die Policy, die ihm die höchstmögliche (diskontierte) Belohnung gibt. Die optimale Policy hat eine optimale state-value function und eine optimale action-value function.

Ein Optimierungsalgorithmus ist ein Algorithmus, der verwendet wird, um den Wert einer Zielfunktion zu maximieren oder zu minimieren. In der künstlichen Intelligenz werden Optimierungsalgorithmen häufig in der Trainingsphase von neuronalen Netzen und anderen KI-Modellen verwendet, um die Gewichte des Modells anzupassen und die Leistung zu verbessern. Beispiele für Optimierungsalgorithmen sind Gradient Descent, Stochastic Gradient Descent und Adam.

Outlier, auch Ausreißer genannt, sind Messwerte, die sich stark von den restlichen Werten der Datenreihe unterscheiden und nicht in die Messreihe passen.

Overfitting bezeichnet eine Überanpassung des Algorithmus an die Trainingsdaten. Der Algorithmus lernt die Trainingsdaten sehr gut, ist aber nicht in der Lage, auf unbekannte Daten zu generalisieren.