Machine Learning Methoden für geringe Datenmengen

Grundlage für datenbasierte industrielle Auslegungen

Autor/innen

  • Justus Kösters Forschungsmaster Data Science

Schlagworte:

Industrielle Auslegung, Geringe Datenmengen, GUIDE-Algorithmus, Active Learning

Abstract

Unternehmen sind häufig daran bemüht ihre Auslegungs- und Vertriebsprozesse zu vereinfachen. Dafür kann die Datenbasis der Unternehmen verwendet werden, um mithilfe von maschinellen Lernverfahren die Prozesse abzubilden. In Untersuchungen konnten Entscheidungsbäume mit dem GUIDE-Algorithmus sowie das Active Learning als geeignete Methoden für den Umgang mit den geringen Datenmengen identifiziert werden.

Veröffentlicht

03.06.2024

Zitationsvorschlag

Kösters, J. (2024). Machine Learning Methoden für geringe Datenmengen: Grundlage für datenbasierte industrielle Auslegungen. Schriftenreihe Des Institute for Data Science Solutions, (1). Abgerufen von https://journals.hsbi.de/sidas/article/view/58