Boosting bei der Analyse von Konjunkturzyklen

Diplomarbeit aus dem Jahr 2002 im Fachbereich BWL - Sonstiges, Note: 2,3, Technische Universit?t Dortmund (Lehrstuhl f?r Computergest?tzte Statistik), Sprache: Deutsch, Abstract: Boosting (englisch: "verst?rken, f?rdern") ist eine generelle Methode, um die Genauigkeit eines gegebenen Lern- oder Klassifikationsalgorithmus zu erh?hen. Ein sogenannter "schwacher" Lernalgorithmus, der kaum besser und genauer ist als einfaches Raten, wird soweit "verst?rkt", das sich ein ziemlich genauer "starker" Lernalgorithmus ergibt. Dabei werden w?hrend des wiederholten Durchlaufens des Boostingalgorithmus durch unterschiedliche Gewichtung der Trainingsbeispiele mehrere Klassifikatoren berechnet, deren Linearkombination dann einen verbesserten Klassifikator liefert. Die Wurzeln und die Enstehungsgeschichte von Boosting finden ebenso Beachtung wie ein Darstellung g?ngiger Boostingalgorithmen. Einer der Repr?sentanten dieser Algorithmenklasse - MART - wird auf den RWI-Datensatz des Rheinisch-Westf?lische Institut f?r Wirtschaftsforschung (RWI) in Essen angewandt, dessen besondere Bedeutung vor dem Hintergrund des Sonderforschungsbereichs 475 Komplexit?tsreduktion in multivariaten Datenstrukturen beleuchtet wird. Mittels einer doppelten leave-one-Cycle-out-Analyse werden die Analyseergebnisse mit denen des CART-Algorithmus verglichen. Das statistische Problem der Klassifikation besch?ftigt sich mit der Zuordnung von Objekten zu Klassen. Jedes Objekt ist charakterisiert durch eine Anzahl von Variablenauspr?gungen und soll eindeutig in eine Klasse eingeordnet werden. Ein Klassifikationsalgorithmus oder Klassifikator trainiert zun?chst auf einer Menge von bereits klassifizierten Objekten. Dann ordnet er Objekte, von denen nur die Variablenauspr?gungen, aber nicht die Klassenzugeh?rigkeiten bekannt sind, einer Klasse zu. Diese grundlegenden Begriffe der Klassifikation werden zusammen mit dem CART-Algorithmus, dem PAC-Lern-Modell und den ?berlegungen ?ber die Einbeziehung vo

Author: Heike Looks

Publisher: Grin Verlag

Publication Date: Aug 04, 2007

Number of Pages: 60 pages

Binding: Paperback or Softback

ISBN-10: 3638697924

ISBN-13: 9783638697927