Zusammenfassung
Die Datenanalyse spielt in unterschiedlichen Ausprägungen und Facetten in viele der am Fraunhofer ITWM bearbeiteten Problemstellungen aus der Praxis hinein. Der vorliegende Beitrag gibt einen Einblick zu resultierenden Datenanalysefragestellungen und der hierfür eingesetzten Verfahren. Der Fokus liegt auf dem Anwendungsbezug und der Darstellung von Methoden die sich in unserer Arbeit bewährt haben, nicht auf einem vollständigen Methodenüberblick. Es wird zunächst auf direkt die Daten betreffende Aspekte wie Datenquellen, Datenqualität und Informationsgehalt, sowie Datenintegration und Datenvorverarbeitung eingegangen. Daran anschließend stehen dann Methoden zur datenbasierten Modellierung aus dem Data Mining und Machine Learning im Fokus. Die Methoden werden aus dem Blickwinkel der statistischen Lerntheorie betrachtet und immer auch wieder in Bezug zu praktischen Fragestellungen gesetzt.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Literaturverzeichnis
Bishop, C.M.: Pattern Recognition and Machine Learning. Information Science and Statistics. Springer, Berlin (2008)
Breiman, L., Friedman, J., Stone, C.J., Olshen, R.A.: Classification and Regression Trees. CRC Press, Boca Raton (1984)
Györfy, L., Kohler, M., Krzyźak, A., Walk, H.: A Distribution-Free Theory of Nonparametric Regression. Springer, Berlin (2002)
Hastie, T., Tibshirani, R., Friedman, J.: The Elements of Statistical Learning, Data Mining, Inference, and Prediction. 2. Aufl. Springer, Berlin (2008)
Haykin, S.: Neural Networks: a Comprehensive Foundation. Prentice Hall, New York (1999)
Härdle, W.: Applied Nonparametric Regression. Cambridge University Press, Cambridge (1990)
Kantz, H., Schreiber, T.: Nonlinear Time Series Analysis. Cambridge University Press, Cambridge (1997)
Knaf, H.: Distanzen zwischen Partitionen – zur Anwendung und Theorie. Technical Report 226, Fraunhofer ITWM, Kaiserslautern (2013)
Lee, T.W.: Independent Component Analysis: Theory and Applications. Kluwer Academic, Norwell (2000)
Linton, O., Härdle, W.: Nonparametric regression. In: Banks, D., Kotz, S. (eds.) Encyclopedia of Statistical Science, vol. X. Wiley, New York (1998)
Meila, M.: Comparing clusterings – an axiomatic view. In: Proceedings of the 22nd International Conference on Machine Learning, vol. 84, pp. 1003–1013 (2005)
Montavon, G., Orr, G., Müller, K.R.: Neural Networks: Tricks of the Trade. 2nd edn. Lecture Notes in Computer Science, vol. 7700. Springer, Berlin (2012)
Silverman, B.: Spline smoothing: the equivalent variable kernel method. Ann. Stat. 12, 898–916 (1984)
Vapnik, V.N.: Statistical Learning Theory. Adaptive and Learning Systems for Signal Processing, Communications and Control. Wiley, New York (1998)
White, H.: Some asymptotic results for learning in single hidden-layer feedforward network models. J. Am. Stat. Assoc. 84, 1003–1013 (1989)
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2015 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Lang, P., Franke, J. (2015). Datenanalyse. In: Neunzert, H., Prätzel-Wolters, D. (eds) Mathematik im Fraunhofer-Institut. Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-44877-9_4
Download citation
DOI: https://doi.org/10.1007/978-3-662-44877-9_4
Publisher Name: Springer Spektrum, Berlin, Heidelberg
Print ISBN: 978-3-662-44876-2
Online ISBN: 978-3-662-44877-9
eBook Packages: Life Science and Basic Disciplines (German Language)