2000 | OriginalPaper | Buchkapitel
Datenanalyse und Modellierung
verfasst von : Thomas A. Runkler
Erschienen in: Information Mining
Verlag: Vieweg+Teubner Verlag
Enthalten in: Professional Book Archive
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Zur automatischen Analyse von Daten werden unter anderem Methoden der Statistik [47, 48, 57], der explorativen Statistik [152], der künstlichen Intelligenz [24], der Mustererkennung [13, 32, 138], der Clusteranalyse [18] und der neuronale Netze [50] eingesetzt. Von besonderer Bedeutung sind Methoden, die Strukturen in den Daten analysieren und erkennen. Hierzu gehören Methoden zum automatischen Entwurf von Klassifikatoren sowie Methoden zur Erkennung von Clusterstrukturen. Klassifikatoren oder Clusterstrukturen können hierarchisch oder flach repräsentiert werden, die Klassen- oder Clustergebiete können einfache oder komplexe Formen besitzen und scharf abgegrenzt oder eher unscharf sein. Die Menge der bekannten Klassifikations- und Clusteralgorithmen ist entsprechend vielfältig. Abbildung 5.1 gibt eine Übersicht über die in diesem Kapitel beschriebenen Algorithmen.