OPUS


Regressionsverfahren für große Datenmengen

  • Die Gauß-Prozess Regression ist eine vielseitige Variante zur datenbasierten Modellierung komplexer technischer Systeme. Mit dem approximativen Übergang zu spärlichen Gauß-Prozess Modellen wird eine Möglichkeit aufgezeigt, Regressionsanalyse auf sehr großen Datensätzen durchzuführen. Die Approximation wird dadurch induziert, dass nur eine repräsentative Trainingsdatenmenge zur Erstellung des Regressionsmodells genutzt wird. Hierbei werden zwei unterschiedliche Approximationen, die dadurch auf verschiedene Regressionsverfahren führen, genauer betrachtet. Zur Selektion der wichtigsten Datenpunkte werden unterschiedliche Methoden und Strategien vorgestellt. Dazu sind auch eigene Ideen mit betrachtet und realisiert worden. Anhand eines praxisbezogenen Datensatzes werden diese unter mehreren Gesichtspunkten miteinander verglichen.

Download full text files

  • application/pdf Masterarbeit.pdf (8117 KB) deu

Export metadata

  • Export Bibtex
  • Export RIS

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Jens Schreiter
Document Type:Master's Thesis
Language:German
Year of Completion:2012
Granting Institution:Hochschule Mittweida
Release Date:2017/09/21
GND Keyword:Regressionsanalyse , Gauß-Prozess
Institutes:03 Mathematik / Naturwissenschaften / Informatik
Access Rights:Innerhalb der Hochschule
Licence (German):License LogoEs gilt das UrhG

$Rev: 13581 $