Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen: http://dx.doi.org/10.18419/opus-10468
Langanzeige der Metadaten
DC ElementWertSprache
dc.contributor.authorVoggesberger, Julius-
dc.date.accessioned2019-07-22T15:17:29Z-
dc.date.available2019-07-22T15:17:29Z-
dc.date.issued2019de
dc.identifier.other1671066820-
dc.identifier.urihttp://nbn-resolving.de/urn:nbn:de:bsz:93-opus-ds-104851de
dc.identifier.urihttp://elib.uni-stuttgart.de/handle/11682/10485-
dc.identifier.urihttp://dx.doi.org/10.18419/opus-10468-
dc.description.abstractDurch Technologien wie das Internet der Dinge und die Industrie 4.0 steigt die Menge an Daten auf der Welt rasant an. Klassifikationsalgorithmen werden von Analysten verwendet, um diese Menge an Daten zu analysieren. Eine Gruppe der populärsten Klassifikationsalgorithmen sind Entscheidungsbaumalgorithmen. Diese stellen erlernte Modelle menschenverständlich als einen Baum dar. Durch die steigende Menge an Daten kann es jedoch vorkommen, dass die erstellten Bäume immer größer, komplexer und unverständlicher für Analysten werden. Häufig werden die Bäume nachdem sie erstellt wurden gestutzt, um sie so kleiner und verständlicher zu machen. Methoden, die die Bäume nach der Erstellung kürzen, werden Post-Pruning-Methoden genannt. Jedoch benötigen Post-Pruning-Methoden eine hohe Laufzeit, da der Entscheidungsbaum erst komplett erstellt werden muss, ehe er gekürzt werden kann. Eine wenig erforschte Alternative sind Methoden, die während der Erstellung des Entscheidungsbaumes diesen kürzen. Diese Methoden werden auch Pre-Pruning-Methoden genannt. In dieser Arbeit wird ein Verfahren vorgestellt, mit dem Pre-Pruning-Methoden allgemeingültig auf Entscheidungsbäume der Familie der Top-Down Induction of Decision Trees angewendet werden können. Viele Pre-Pruning-Methoden benötigen Schwellenwerte. Aus diesem Grund wurde weiterhin ein Ansatz entwickelt, der es einem Analysten ermöglicht für eine gewünschte Baumqualität einen Schwellenwert für die Pre-Pruning-Methoden zu erhalten. Dieser Ansatz soll es ermöglichen, die Pre-Pruning-Methoden evaluieren zu können. Eine Evaluation mithilfe dieses Ansatzes zeigt, dass hohe Laufzeiteinsparungen mithilfe der Pre-Pruning-Methoden möglich sind. Es konnten jedoch keine zuverlässigen Aussagen hinsichtlich der Qualität der Pre-Pruning-Methoden getroffen werden. Weitere Forschung hinsichtlich der Einflüsse von Datensätzen auf diese Methoden ist nötig, um zuverlässige Aussagen über die Qualität der Methoden treffen zu können.de
dc.language.isodede
dc.rightsinfo:eu-repo/semantics/openAccessde
dc.subject.ddc004de
dc.titleEvaluation von Zwischenergebnissen in Entscheidungsbäumende
dc.typebachelorThesisde
ubs.fakultaetInformatik, Elektrotechnik und Informationstechnikde
ubs.institutInstitut für Parallele und Verteilte Systemede
ubs.publikation.seiten88de
ubs.publikation.typAbschlussarbeit (Bachelor)de
Enthalten in den Sammlungen:05 Fakultät Informatik, Elektrotechnik und Informationstechnik

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat 
JuliusVoggesberger_EvaluationVonZwischenergebnissenInEntscheidungsbäumen_final.pdf3,86 MBAdobe PDFÖffnen/Anzeigen


Alle Ressourcen in diesem Repositorium sind urheberrechtlich geschützt.