BigData & DataScience

Arrow Arrow

Komplett kostenfrei

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

Lerne jetzt mit Karteikarten und Zusammenfassungen für den Kurs BigData & DataScience an der FOM Hochschule für Oekonomie & Management.

Beispielhafte Karteikarten für BigData & DataScience an der FOM Hochschule für Oekonomie & Management auf StudySmarter:

Was bedeutet BSS?

Beispielhafte Karteikarten für BigData & DataScience an der FOM Hochschule für Oekonomie & Management auf StudySmarter:

Was bedeutet WSS

Beispielhafte Karteikarten für BigData & DataScience an der FOM Hochschule für Oekonomie & Management auf StudySmarter:

Cluster - Clustering Allgemein

Beispielhafte Karteikarten für BigData & DataScience an der FOM Hochschule für Oekonomie & Management auf StudySmarter:

Was bedeutet Overfitting?

Beispielhafte Karteikarten für BigData & DataScience an der FOM Hochschule für Oekonomie & Management auf StudySmarter:

Aufgaben der Klassifiktion

Beispielhafte Karteikarten für BigData & DataScience an der FOM Hochschule für Oekonomie & Management auf StudySmarter:

Grundlagen BIAS und VARIANZ

Beispielhafte Karteikarten für BigData & DataScience an der FOM Hochschule für Oekonomie & Management auf StudySmarter:

Nennen Sie ein Beispiel für eine Binäre und eine Mehrfachklassifikation

Beispielhafte Karteikarten für BigData & DataScience an der FOM Hochschule für Oekonomie & Management auf StudySmarter:

Was bringt eine Kreuzvalidierung?

Beispielhafte Karteikarten für BigData & DataScience an der FOM Hochschule für Oekonomie & Management auf StudySmarter:

Verteilung der Daten

Beispielhafte Karteikarten für BigData & DataScience an der FOM Hochschule für Oekonomie & Management auf StudySmarter:

Wie sollten die Datensätze getrennt sein?

Beispielhafte Karteikarten für BigData & DataScience an der FOM Hochschule für Oekonomie & Management auf StudySmarter:

Wann werden Training- und Testdaten verwendet?

Beispielhafte Karteikarten für BigData & DataScience an der FOM Hochschule für Oekonomie & Management auf StudySmarter:

Clustering 3 Punkte

Kommilitonen im Kurs BigData & DataScience an der FOM Hochschule für Oekonomie & Management. erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp. Jetzt mitmachen!

Jetzt mitmachen!

Flashcard Flashcard

Beispielhafte Karteikarten für BigData & DataScience an der FOM Hochschule für Oekonomie & Management auf StudySmarter:

BigData & DataScience

Was bedeutet BSS?
Between Cluster Sum of Squares

– Ähnlichkeit zwischen den Clustern sollte minimal und die Entfernung maximal sein

BigData & DataScience

Was bedeutet WSS
Within Sum of Squares

– Ähnlichkeit innerhalb der Cluster sollte maximal und die Streuung damit minimal sein!

BigData & DataScience

Cluster - Clustering Allgemein
Cluster: Gruppe von Objekten
– Ähnlich innerhalb der Cluster
– Unterschiedlich zwischen den Clustern

Clustering: Objekte in Clustern gruppieren
– Kein Label: unsupervised Klassifikation
– Viele verschiedene Clustermöglichkeiten

BigData & DataScience

Was bedeutet Overfitting?
Accuracy hängt von der Trainings- und Testdatenaufteilung ab
Hohe VARIANZ hängt stark von der Aufteilung ab

Overfitting = Modell passt die Trainingsdaten sehr viel besser als Testdaten an.
Allerdings zu spezifisch

BigData & DataScience

Aufgaben der Klassifiktion
-Automatisches Klassifizieren von Beobachtungen mit verschiedenen Merkmalen
-Beobachtung: Vektor von Merkmalen, mit einer Klasse
-Klassifizieren von neuen Beobachtungen in Klassen auf Basis vorheriger Merkmale
– Binäre Klassifikation: zwei Klassen
– Mehrfachklassifikation: mehr als zwei Klassen

BigData & DataScience

Grundlagen BIAS und VARIANZ
Hauptziel des supervised Learning: Vorhersage
Vorhersagefehler = reduzierbar + nicht reduzierbarer Fehler

Nicht verkleinerbar: Rauchen – nicht minimieren

Verkleinerbar: Fehler der einen besseren Fit des Models verhindert – minimieren

Fehler kann in BIAS und VARIANZ aufgeteilt werden

BigData & DataScience

Nennen Sie ein Beispiel für eine Binäre und eine Mehrfachklassifikation
Binär: froh | nicht froh
Mehrfachklassifikation: froh | glücklich | nicht froh

BigData & DataScience

Was bringt eine Kreuzvalidierung?
Sampling kann die Performance Kennzahlen beeinflussen.
Durch Cross-Validation können diese Kennzahlen auf Robustheit überprüft werden
Idee: Mehrere Stichproben mit unterschiedlichen Aufteilungen ziehen

BigData & DataScience

Verteilung der Daten
Bei der Klassifikation sollten Klassen ähnliche Verteilung aufweisen. Zudem Sollten alle Klassen im Datensatz vorhanden sein

Bei der Klassifikation & Regression sollten die Daten vor der Aufteilung zufällig gemacht sein

BigData & DataScience

Wie sollten die Datensätze getrennt sein?
-Training Datensatz sollte größer als der Test Datensatz sein
– Typisch ist ein Verhältnis von 3/1
– Zufällig Aufteilung wählen
– Genrell gilt: Mehr Daten = besseres Modell
– WICHTIG!: Nicht zu wenige Testdaten verwenden

BigData & DataScience

Wann werden Training- und Testdaten verwendet?
Beim Supervised Learning

Nicht geeignet für unsupervised Learning (wie z.B. Clustering) geeignet, da die Daten nicht gekennzeichnet sind

BigData & DataScience

Clustering 3 Punkte
Keine Informationen über die Gruppen
Benötigt wird eine Distanzmatrix zwischen den Punkten
Güte wird mit Hilfe zweier Elemente gemessen
– Ähnlichkeit innerhalb der Cluster (sollte hoch sein)
– Ähnlichkeit zwischen den Clustern (sollt gering sein)

Melde dich jetzt kostenfrei an um alle Karteikarten und Zusammenfassungen für BigData & DataScience an der FOM Hochschule für Oekonomie & Management zu sehen

Singup Image Singup Image
Wave

Andere Kurse aus deinem Studiengang

Für deinen Studiengang an der FOM Hochschule für Oekonomie & Management gibt es bereits viele Kurse auf StudySmarter, denen du beitreten kannst. Karteikarten, Zusammenfassungen und vieles mehr warten auf dich.

Zurück zur FOM Hochschule für Oekonomie & Management Übersichtsseite

Was ist StudySmarter?

Was ist StudySmarter?

StudySmarter ist eine intelligente Lernapp für Studenten. Mit StudySmarter kannst du dir effizient und spielerisch Karteikarten, Zusammenfassungen, Mind-Maps, Lernpläne und mehr erstellen. Erstelle deine eigenen Karteikarten z.B. für BigData & DataScience an der FOM Hochschule für Oekonomie & Management oder greife auf tausende Lernmaterialien deiner Kommilitonen zu. Egal, ob an deiner Uni oder an anderen Universitäten. Hunderttausende Studierende bereiten sich mit StudySmarter effizient auf ihre Klausuren vor. Erhältlich auf Web, Android & iOS. Komplett kostenfrei. Keine Haken.

Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards
Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards

So funktioniert's

Top-Image

Individueller Lernplan

StudySmarter erstellt dir einen individuellen Lernplan, abgestimmt auf deinen Lerntyp.

Top-Image

Erstelle Karteikarten

Erstelle dir Karteikarten mit Hilfe der Screenshot-, und Markierfunktion, direkt aus deinen Inhalten.

Top-Image

Erstelle Zusammenfassungen

Markiere die wichtigsten Passagen in deinen Dokumenten und bekomme deine Zusammenfassung.

Top-Image

Lerne alleine oder im Team

StudySmarter findet deine Lerngruppe automatisch. Teile deine Lerninhalte mit Freunden und erhalte Antworten auf deine Fragen.

Top-Image

Statistiken und Feedback

Behalte immer den Überblick über deinen Lernfortschritt. StudySmarter führt dich zur Traumnote.

1

Lernplan

2

Karteikarten

3

Zusammenfassungen

4

Teamwork

5

Feedback