Skip to main content
Top

2023 | OriginalPaper | Chapter

6. Grundlagen des Machine Learnings mit R

Activate our intelligent search to find suitable subject content or patents.

search-config
loading …

Zusammenfassung

Um Daten für das Machine Learning nutzen zu können, gilt es diese zunächst als Rohdaten aus einer Quelle zu importieren. Anschließend gilt es die Daten für die nachfolgende Analyse im Rahmen einer Transformation vorzubereiten bzw. aufzubereiten. Eine Datentransformation beinhaltet u. a. die Selektion der für die Analyse erforderlichen Daten, die Validierung, eine Fusion mit anderen Daten, eine Umformung, Ergänzung und Zusammenfassung. Nachdem die Daten bereinigt vorliegen, gilt es diese besser zu verstehen, zu analysieren und mit Unterstützung von Visualisierungen auch Besonderheiten zu erkennen. Dabei kann auch bereits festgelegt werden, wie bei den weitergehenden Analysen mit Ausreißern und fehlenden Daten umgegangen werden soll. Nach diesen vorbereitenden Aktivitäten können dann auch die Methoden und Modelle des Machine Learnings angewendet und deren Tauglichkeit evaluiert werden, bevor schließlich die daraus resultierenden Erkenntnisse kommuniziert werden. Es wird neben der Modellierung auch die Bildung von Stichproben, die Aufteilung der Daten in Trainings- und Testdaten und das Resampling vorgestellt. Neben der Modellwahl und dem Modelltraining wird auch das Parametertuning erklärt.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Literature
go back to reference Cleff, T. (2019). Angewandte Induktive Statistik und Statistische Testverfahren: Eine computergestützte Einführung mit Excel, SPSS und Stata. Wiesbaden: Springer Gabler.CrossRef Cleff, T. (2019). Angewandte Induktive Statistik und Statistische Testverfahren: Eine computergestützte Einführung mit Excel, SPSS und Stata. Wiesbaden: Springer Gabler.CrossRef
go back to reference Hertweck, D., & Kinitzki, M. (2015). Datenorientierung statt Bauchentscheidung: Führungs- und Organisationskultur in der datenorientierten Unternehmung. In J. Dorschel, Praxishandbuch Big Data: Wirtschaft, Recht, Technik (S. 19–20). Wiesbaden: Springer Gabler. Hertweck, D., & Kinitzki, M. (2015). Datenorientierung statt Bauchentscheidung: Führungs- und Organisationskultur in der datenorientierten Unternehmung. In J. Dorschel, Praxishandbuch Big Data: Wirtschaft, Recht, Technik (S. 19–20). Wiesbaden: Springer Gabler.
Metadata
Title
Grundlagen des Machine Learnings mit R
Author
Bernd Heesen
Copyright Year
2023
DOI
https://doi.org/10.1007/978-3-658-41576-1_6

Premium Partner