Seite 1 von 1

Ensemble Learning: Bagging & Boosting

Verfasst: Fr Jun 16, 2017 4:37 am
von Fleh8811
Hallo zusammen,

ich bin neu hier im Forum und freu mich auf einen zukünftigen Austausch über Machine Learning Themen :) Leider bin ich auch noch ein Frischling, was die Verwendung von R angeht. Leider hab ich an meiner Universität noch kein Angebot dazu gefunden, muss - und möchte - mich jedoch nun im Rahmen meiner Bachelorarbeit damit beschäftigen.

Da ich noch komplett am Anfang stehe, wollte ich hier zunächst einmal nachfragen, ob hier jemand - den Post zu Entscheidungsbäumen habe ich bereits gesehen - eine gute Empfehlung für eine Herangehensweise mit der Auseinandersetzung der Software aussprechen könnte. Ich denke, dass mir die ganzen Einführungsvideos eher wesentlich Zeit stehlen würden, da dort eher allgemeine Themen der Statistik erläutert werden. Dazu vielleicht einmal ein kurze Beschreibung dessen, was ich überhaupt machen möchte:

Ich möchte Bagging (quasi das Standard-Bagging von Breiman) und Boosting (AdaBoost für zweiklassen-Probleme und AdaBoost.M1 für Multiklassenprobleme) auf Klassifikationsbäume (C4.5 und/oder CART) anwenden. Einerseits möchte ich dabei erst einmal die Entscheidungsbäume selbst konstruieren und testen, um deren Modellgüte (Fehlklassifikationsrate, ROC bzw. AUC) herausfinden zu können. Dann möchte ich Bagging und Boosting auf ebendiese Modelle anwenden und auch hier entsprechend die Modellgüte evualieren, um Bagging, Boosting und individuelle Entscheidungsbäume vergleichen zu können.

Ich würde mich echt über Eure Hilfe freuen danke Euch dafür schon einmal im Voraus :)

Re: Ensemble Learning: Bagging & Boosting

Verfasst: Fr Jun 16, 2017 8:38 am
von jogo
Hallo Fleh8811,

willkommen im Forum!
Hast Du auch schon das entsprechende TaskView zum MachineLearning gelesen?
https://cran.r-project.org/view=MachineLearning

Gruß, Jörg