17   Monte-Carlo-Verfahren

Randomisierte Algorithmen lassen sich grob in zwei Kategorien unterteilen: Las-Vegas- Algorithmen und Monte-Carlo-Algorithmen. Las-Vegas-Algorithmen geben immer genau die korrekte Antwort zurück (oder geben einen Fehler zurück). Diese Algorithmen benötigen eine zufällige Menge von Ressourcen, meist Speicherplatz oder Zeit. Im Gegensatz dazu geben Monte-Carlo-Algorithmen Antworten mit einer zufälligen Höhe des Fehlers zurück. Die Höhe des Fehlers lässt sich meist durch Aufwenden zusätzlicher Ressourcen (meist Laufzeit und Speicher) reduzieren. Für ein festes rechentechnisches Budget kann ein Monte-Carlo-Algorithmus eine approximative Antwort liefern.

Viele Machine-Learning-Probleme sind so schwierig, dass wir gar ...

Get Deep Learning -- Grundlagen, aktuelle Verfahren und Algorithmen, neue Forschungsansätze now with O’Reilly online learning.

O’Reilly members experience live online training, plus books, videos, and digital content from 200+ publishers.