So funktioniert's: Eine schrittweise Anleitung
Diese Anwendung demonstriert, wie der wichtigste Hyperparameter eines Kriging-Modells – der Aktivitätsparameter $\theta$ – optimiert wird. Ein gut gewähltes $\theta$ ist entscheidend für eine genaue Vorhersage.
Experimentieren Sie selbst:
- $\theta$ manuell anpassen: Benutzen Sie den Schieberegler, um den Wert für $\theta$ zu ändern. Beobachten Sie im oberen Diagramm, wie sich die orangefarbene Vorhersagekurve an die blauen Datenpunkte anpasst.
- Underfitting vs. Overfitting:
- Ein sehr kleiner $\theta$-Wert führt zu einem zu glatten Modell (Underfitting).
- Ein sehr großer $\theta$-Wert führt zu einem instabilen, "zappeligen" Modell (Overfitting).
- Das Optimum finden: Das untere Diagramm zeigt den Wert der Log-Likelihood-Funktion. Das Ziel ist es, den Gipfel dieser Kurve zu finden. Klicken Sie auf "Optimum finden", um diesen Punkt automatisch zu bestimmen.
Modellgüte vs. Wahre Funktion
Konzentrierte Log-Likelihood
Aktueller Wert: - | Aktuelles $\theta$: 1.00