12

Big Data (Fach) / Grundbegriffe (Lektion)

Diese Lektion wurde von need299 erstellt.

Lektion lernen

Diese Lektion ist leider nicht zum lernen freigegeben.

zurück  |  weiter 1 / 1

• Supervised Learning Verfahren des Machine Learnings, wo dem ML-Algorithmus ein Datensatz vorgelegt ist, bei dem die Zielvariable bereits bekannt ist
• Unsupervised Learning Verfahren des Machine Learnings, wo dem ML-Algorithmus ein Datensatz vorgelegt ist, bei dem die Zielvariable nicht bekannt ist
• Logistic Regression Supervised Kaufverhalten auf Basis von Einkommen (1 oder 0) Vorhersagemodelle
• K-nearest Neighbors Supervised Learning Nichtparametrische Methode zur Schätzung von Wahrscheinlichkeitsdichtefunktionen Kaufverhaltenanalyse
• Decision Tree Classification Supervised Anhand von Alter und Gehalt herausfinden, ob die Person auf Werbung klickt Einkaufsverhalten
• Random Forest Classification Supervised Konstrukt aus vielen Entscheidungsbäumen Kunden und Kundengruppen klassifizieren
• K-Means Clustering Unsupervised Euklidische Distanz Möglichst homogene Gruppen aus Datenüunkten bilden Kundengruppen festlegen
• Hierachical Clustering Unsupervised Distanzbasiertes mathematisches Verfahren zur Clusteranalyse Gezielte Werbung von Produkten
• Data Preprocessing Verarbeiten von Rohdaten in ein verarbeitbares Format
• Vorgehen von ML 1. Sammeln von Daten 2. Vorbereiten von Daten 3. Trainieren von dem Modell 4. Testen von dem Modell 5. Anwenden von dem Modell
• Anzeige
• Validation set Aufteilung des Datasets (z.B. 70, 20, 10) für Training, Test und Validierung
• K-fold cross validation k Durchläufe auf demselben Dataset mit Variation von Training und Validation

zurück  |  weiter 1 / 1