Skip to content. | Skip to navigation

Personal tools
Sections

Cornelia Laudien (2001)

Ein Meta-Lerner zur automatischen Auswahl von Data-Mining-Verfahren

Diplomarbeit, Universität Rostock, Fachbereich Informatik.

Aufgrund der zunehmenden Vielfalt von Data-Mining-Verfahren steigt das Interesse an Systemen, die Hilfestellung bei der Auswahl eines adäquaten Verfahrens zur Datenanalyse geben. Ziel dieser Diplomarbeit ist es, ein tieferes Verständnis für die verschiedenen Methoden des Data Mining zu entwickeln und ein Konzept zu entwerfen, das zur Automatisierung des Auswahlprozesses beiträgt. Es wird ein Meta-Lerner allgemein konzipiert, der Beziehungen zwischen Problemstellungen und der Performanz einzelner Algorithmen herstellt. Dieser wird dann für die Auswahl von Klassifikationsverfahren konkretisiert. Im Gegensatz zu anderen Meta-Lernern wird hier ein neuerer Ansatz zur Problembeschreibung auf der Basis von Entscheidungsbäumen aufgegriffen. Der Meta-Lerner ist als fallbasiertes System implementiert, welches zur Gewichtung der Attribute ein informationstheoretisches Maß nutzt. Experimente demonstrieren, dass der gewählte Ansatz erfolgversprechend ist.

Document Actions