idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store

Event


institutionlogo


05/14/2014 - 05/16/2014 | Frankfurt

Weiterbildung; Data Mining mit multivariaten Methoden und Support Vector Machines

Data Mining bietet leistungsfähige Methoden, um umfangreiche komplexe Daten - Prozessdaten, Spektren, Omics-Daten - zu analysieren, Zusammenhänge aufzudecken oder Abhängigkeiten zu modellieren. Dieser Kurs bietet ein leicht zugängliches, konzeptionelles Verständnis einiger wichtiger Methoden des Data Mining und richtet sich damit auch an Anwender ohne große mathematische oder statistische Vorkenntnisse, deren Augenmerk auf der praktischen Nutzung dieser Methoden liegt.

Der Kurs gliedert sich in drei Teile:
* Multivariate Methoden zur Datenanalyse
* Flexible Modellierung mit Support Vector Machines
* Anwendung der Methoden anhand von praxisnahen Beispielen und / oder eigenen Daten

Die Hauptkomponentenanalyse (Principal Component Analysis, PCA) ist ein Werkzeug zur Datenuntersuchung und zum Datenverständnis (explorative Datenanalyse). Auch große Datenmengen lassen sich so überschaubar darstellen, Probleme in der Datenqualität werden sichtbar und Ausreißer erkennbar. Außerdem ermöglicht die PCA, Strukturen und deren vielleicht bisher verborgene Ursachen in den Daten zu erkennen.

Eine Weiterführung der PCA ist die Modellierung der Daten auf vorgegebene Zielgrößen. Für quantitative Zielgrößen findet besonders die Partial Least Squares Regression (PLS) Verwendung. Qualitative Zielgrößen werden über Klassifizierungsmodelle wie z.B. die Diskriminanzanalyse (Linear Discriminant Analysis, LDA) beschrieben. Auch die Erstellung robuster PLS-Regressionsmodelle sowie von LDA-Klassifizierungsmodellen wird im Kurs behandelt.

Suppor Vector Machines (SVM) bieten erstmals die Vorteile nichtlinearer Methoden ohne die damit sonst verbundenen Nachteile der komplexen Anwendung und eines hohen Probenbedarfs. Man kann diese Methoden sowohl für Klassenvorhersagen (Mustererkennung), quantitative Vorhersagen (Regression) als auch Ausreißer- und Abweichungserkennung verwenden.

Information on participating / attending:

Date:

05/14/2014 - 05/16/2014

Event venue:

DECHEMA-Haus
Theodor-Heuss-Allee 25
60486 Frankfurt
Hessen
Germany

Target group:

Scientists and scholars

Relevance:

transregional, national

Subject areas:

Biology, Chemistry, Information technology

Types of events:

Seminar / workshop / discussion

Entry:

04/27/2014

Sender/author:

Dr. Kathrin Rübberdt

Department:

Öffentlichkeitsarbeit

Event is free:

no

Language of the text:

German

URL of this event: http://idw-online.de/en/event47074


Help

Search / advanced search of the idw archives
Combination of search terms

You can combine search terms with and, or and/or not, e.g. Philo not logy.

Brackets

You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).

Phrases

Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.

Selection criteria

You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).

If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).