Skip to main content
SpringerLink
Log in

Verbesserung von Klassifikationsverfahren

Informationsgehalt der k-Nächsten-Nachbarn nutzen

  • Book
  • © 2016

Overview

Authors:
  1. Dominik Koch

    1. München, Germany

    View author publications

    You can also search for this author in PubMed   Google Scholar

  • Studie im Bereich Statistik
  • Includes supplementary material: sn.pub/extras

Part of the book series: BestMasters (BEST)

  • 5930 Accesses

This is a preview of subscription content, log in via an institution to check access.

Access this book

Log in via an institution
eBook USD 54.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book USD 69.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Other ways to access

Licence this eBook for your library

Institutional subscriptions

Table of contents (4 chapters)

  1. Front Matter

    Pages 1-22
    Download chapter PDF

  2. Datenstruktur und Notation

    • Dominik Koch
    Pages 3-17

  3. Klassifikationsverfahren

    • Dominik Koch
    Pages 19-60

  4. Simulierte Datensätze

    • Dominik Koch
    Pages 61-82

  5. Reale Datensätze

    • Dominik Koch
    Pages 83-100

  6. Back Matter

    Pages 101-224
    Download chapter PDF
Back to top

Keywords

About this book

Dominik Koch weist in seinen Studien nach, dass es mit Hilfe der k-Nächsten-Nachbarn möglich ist, die Ergebnisse anderer Klassifikationsverfahren so zu verbessern, dass sie wieder eine Konkurrenz zu dem meist dominierenden Random Forest darstellen. Das von Fix und Hodges entwickelte k-Nächste–Nachbarn-Verfahren ist eines der simpelsten und zugleich intuitivsten Klassifikationsverfahren. Nichtsdestotrotz ist es in den meisten Fällen in der Lage, ziemlich gute Klassifikationsergebnisse zu liefern. Diesen Informationsgehalt der k-Nächsten-Nachbarn kann man sich zu Nutze machen, um bereits etablierte Verfahren zu verbessern. In diesem Buch werden die Auswirkungen der k-Nächsten-Nachbarn auf den Boosting-Ansatz, Lasso und Random Forest in Bezug auf binäre Klassifikationsprobleme behandelt.

Authors and Affiliations

  • München, Germany

    Dominik Koch

About the author

Dominik Koch absolvierte das Statistik-Studium der Ludwig-Maximilians-Universität in München als Jahrgangsbester. Seit 2013 ist er als statistischer Berater (Schwerpunkt: Automobilindustrie und Bankenbranche) tätig. Im Rahmen seiner Publikationstätigkeit arbeitet er auch weiterhin eng mit dem statistischen Institut der Ludwig-Maximilians-Universität zusammen.

 

Bibliographic Information

  • Book Title: Verbesserung von Klassifikationsverfahren

  • Book Subtitle: Informationsgehalt der k-Nächsten-Nachbarn nutzen

  • Authors: Dominik Koch

  • Series Title: BestMasters

  • DOI: https://doi.org/10.1007/978-3-658-11476-3

  • Publisher: Springer Spektrum Wiesbaden

  • eBook Packages: Life Science and Basic Disciplines (German Language)

  • Copyright Information: Springer Fachmedien Wiesbaden 2016

  • Softcover ISBN: 978-3-658-11475-6Published: 03 December 2015

  • eBook ISBN: 978-3-658-11476-3Published: 26 November 2015

  • Series ISSN: 2625-3577

  • Series E-ISSN: 2625-3615

  • Edition Number: 1

  • Number of Pages: XXII, 224

  • Number of Illustrations: 278 b/w illustrations

  • Topics: Statistics, general

Publish with us

Policies and ethics

Back to top

Search

Navigation