Trainingsdaten und Modellierung =============================== Datenqualität und ihre Bedeutung -------------------------------- * Gute Trainingsdaten sind essenziell für die Leistungsfähigkeit eines Modells. * Aspekte der Datenqualität: Vollständigkeit Fehlende Werte können Modelle ungenau machen. Konsistenz Daten sollten einheitlich und korrekt sein. Ausreißererkennung Extreme Werte können Modelle verzerren. Datenverteilung Unausgewogene Datensätze (:abbr:`z.B. (zum Beispiel)` ungleich verteilte Klassen) beeinflussen Modellentscheidungen. Feature Engineering ------------------- Definition ~~~~~~~~~~ Feature Engineering ist die Kunst, relevante Eingangsvariablen für ein Modell zu erstellen. Beachte, dass Feature Engineering vor allem bei den klassischen Machine-Learning-Modellen eine wichtige Rolle spielt und entscheidend für die Modell-Performance ist. Bei den späteren leistungsfähigeren Modellen, z.B. Deep Learning, kann man oft auf intensives Feature Engineering verzichten und das Modell selbst die wichtigsten Features oder Dimensionen in den Daten finden lassen, allerdings setzt das genügend leistungsfähige Hardware und hohe Datenqualität, vor allem in Bezug auf die Datenmenge, voraus. Beispiel ~~~~~~~~ Siehe den Begriff **Kohorte** (z. B. in der Sozialwissenschaft): `Kohorte `_. Typische Techniken ~~~~~~~~~~~~~~~~~~ Feature Skalierung Normalisierung und Standardisierung von Daten (:abbr:`z.B. (zum Beispiel)` Min-Max-Scaling, Z-Score-Normalisierung). Feature Selektion Auswahl der wichtigsten Merkmale zur Reduktion von Overfitting. Feature Transformation Anwendung von Logarithmus- oder Polynom-Transformationen zur Verbesserung der Modellleistung. One-Hot-Encoding Umwandlung kategorialer Variablen in numerische Werte. Modelltraining und Optimierung ------------------------------ - Schritte des Modelltrainings: 1. **Datenaufteilung:** Aufteilung in Trainings-, Validierungs- und Testdatensätze. 2. **Modellauswahl:** Auswahl eines geeigneten Algorithmus (z. B. Entscheidungsbaum, Random Forest, neuronale Netze). 3. **Hyperparameter-Tuning:** Feinabstimmung der Modellparameter zur Optimierung der Leistung (z. B. Grid Search, Random Search). 4. **Modellbewertung:** Verwendung von Metriken wie Genauigkeit, F1-Score oder Mean Squared Error zur Bewertung der Vorhersagequalität. 5. **Modellbereitstellung:** Einsatz des trainierten Modells in einer produktiven Umgebung.