IDEAS home Printed from https://ideas.repec.org/h/spr/sprchp/978-3-662-67277-8_6.html
   My bibliography  Save this book chapter

Nichtparametrische Methoden

In: Maschinelles Lernen - Grundlagen und Anwendungen

Author

Listed:
  • Benny Botsch

Abstract

Zusammenfassung Nichtparametrische Methoden beim maschinellen Lernen sind statistische Methoden, die keine Annahmen über die Verteilung der Daten in der Grundgesamtheit machen. Im Gegensatz zu parametrischen Methoden, die davon ausgehen, dass die Daten eine bestimmte Verteilung (z. B. normalverteilt) haben, sind nichtparametrische Methoden flexibler und können angewendet werden, wenn diese Annahmen nicht erfüllt sind oder nicht bekannt sind. Ein Beispiel für eine nichtparametrische Methode im maschinellen Lernen ist die Verwendung von Entscheidungsbaum-Algorithmen. Diese Algorithmen können verwendet werden, um Klassifikationsprobleme ohne Annahmen über die Verteilung der Daten in der Grundgesamtheit zu lösen. Sie teilen die Daten in mehrere Untergruppen auf, indem sie bestimmte Merkmale der Daten betrachten und Entscheidungen auf der Grundlage von Schwellenwerten treffen. Ein weiteres Beispiel ist die Verwendung von k-NN(k-„nearest neighbors“ bzw. k-Nächste-Nachbarn)-Algorithmen für die Regression oder Klassifikation. Diese Algorithmen basieren auf der Annahme, dass ähnliche Beobachtungen in der Nähe liegen und berechnen die Vorhersage für eine gegebene Eingabe basierend auf den k am nächsten liegenden Beobachtungen.

Suggested Citation

  • Benny Botsch, 2023. "Nichtparametrische Methoden," Springer Books, in: Maschinelles Lernen - Grundlagen und Anwendungen, chapter 0, pages 103-121, Springer.
    • Handle: RePEc:spr:sprchp:978-3-662-67277-8_6
    DOI: 10.1007/978-3-662-67277-8_6
    as

    Download full text from publisher

    To our knowledge, this item is not available for download. To find whether it is available, there are three options:
    1. Check below whether another version of this item is available online.
    2. Check on the provider's web page whether it is in fact available.
    3. Perform a
    for a similarly titled item that would be available.

    More about this item

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:spr:sprchp:978-3-662-67277-8_6. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Sonal Shukla or Springer Nature Abstracting and Indexing (email available below). General contact details of provider: http://www.springer.com .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.