Do you want BuboFlash to help you learning these things? Or do you want to add or correct something? Click here to log in or create user.



Tags
#SpezielleMethoden #has-images

Question
Klassifikations- und Regressionsbäume: Überblick
Answer
  • Im englischsprachigen Raum: CART (classification and regression trees)
  • Ziel: Ähnlich wie bei bereits bekannten Verfahren (z.B. multiple Regression) --> Vorhersagen/Beschreiben mit Hilfe von Prädiktoren
    • Klassifikation: Bei kategorialen oder ordinalen AVen
    • Regression: Bei metrischen AVen
  • Warum Bäume ? Ergebnisse bzw. der „optimale“ Entscheidungsweg werden anhand von Baumdiagrammen veranschaulicht
  • Entscheidungsweg als umgekehrter Baum
    • Wurzel (Root): oberster Teil
    • Äste (Branches): mittlerer Teil
    • Blätter (leaves): unterer Teil (Blätter mit Klassifikationsergebnissen)
    • Knoten (node): Prädiktorvariable
    • Zahlen als Cut off Werte: z.B. bei einer Person mit IQ ≥ 91.5 schaut man sich das Alter an und bei weniger intelligenten Personen schaut man sich Schuldgefühle an usw.
  • Die Klassifikation ist nicht immer einfach. Personen mit Merkmalen, die zum 3. Balken führen, sind schwierig zu klassifizieren (fast 50:50; Risikoabwägung nötig)

Tags
#SpezielleMethoden #has-images

Question
Klassifikations- und Regressionsbäume: Überblick
Answer
?

Tags
#SpezielleMethoden #has-images

Question
Klassifikations- und Regressionsbäume: Überblick
Answer
  • Im englischsprachigen Raum: CART (classification and regression trees)
  • Ziel: Ähnlich wie bei bereits bekannten Verfahren (z.B. multiple Regression) --> Vorhersagen/Beschreiben mit Hilfe von Prädiktoren
    • Klassifikation: Bei kategorialen oder ordinalen AVen
    • Regression: Bei metrischen AVen
  • Warum Bäume ? Ergebnisse bzw. der „optimale“ Entscheidungsweg werden anhand von Baumdiagrammen veranschaulicht
  • Entscheidungsweg als umgekehrter Baum
    • Wurzel (Root): oberster Teil
    • Äste (Branches): mittlerer Teil
    • Blätter (leaves): unterer Teil (Blätter mit Klassifikationsergebnissen)
    • Knoten (node): Prädiktorvariable
    • Zahlen als Cut off Werte: z.B. bei einer Person mit IQ ≥ 91.5 schaut man sich das Alter an und bei weniger intelligenten Personen schaut man sich Schuldgefühle an usw.
  • Die Klassifikation ist nicht immer einfach. Personen mit Merkmalen, die zum 3. Balken führen, sind schwierig zu klassifizieren (fast 50:50; Risikoabwägung nötig)
If you want to change selection, open document below and click on "Move attachment"

pdf

cannot see any pdfs

Summary

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

Details

No repetitions


Discussion

Do you want to join discussion? Click here to log in or create user.