Dieses Buch beschreibt Theorie und Anwendungen aus dem Bereich des Online Maschine Learnings (OML), wobei der Fokus auf Verfahren des ???berwachten Lernens liegt. Es werden Verfahren zur Drifterkennung und -behandlung beschrieben. Verfahren zur nachtr???glichen Aktualisierung der Modelle sowie Methoden zur Modellbewertung werden dargestellt. Besondere Anforderungen aus der amtlichen Statistik (unbalancierte Daten, Interpretierbarkeit, etc.) werden ber???cksichtigt. Aktuelle und m???gliche Anwendungen werden aufgelistet. Ein ...
Read More
Dieses Buch beschreibt Theorie und Anwendungen aus dem Bereich des Online Maschine Learnings (OML), wobei der Fokus auf Verfahren des ???berwachten Lernens liegt. Es werden Verfahren zur Drifterkennung und -behandlung beschrieben. Verfahren zur nachtr???glichen Aktualisierung der Modelle sowie Methoden zur Modellbewertung werden dargestellt. Besondere Anforderungen aus der amtlichen Statistik (unbalancierte Daten, Interpretierbarkeit, etc.) werden ber???cksichtigt. Aktuelle und m???gliche Anwendungen werden aufgelistet. Ein ???berblick ???ber die verf???gbaren Software-Tools wird gegeben. Anhand von zwei Studien ("simulierten Anwendungen") werden Vor- und Nachteile des OML-Einsatz in der Praxis experimentell analysiert. Das Buch eignet sich als Handbuch f???r Experten, Lehrbuch f???r Anf???nger und wissenschaftliche Publikation, da es den neuesten Stand der Forschung wiedergibt. Es kann auch als OML-Consulting dienen, indem Entscheider und Praktiker OML anpassen und f???r ihre Anwendung einsetzen, um abzuw???gen, ob die Vorteile die Kosten aufwiegen.
Read Less
