Meta-Lernen zur Auswahl der besten Algorithmen zur Kausalfindung [German]

By William Senfuma

Die Auswahl des besten Algorithmus zur Kausalfindung f r einen neuen Datensatz ist ein schwieriger und zeitaufw ndiger Prozess, da der Forscher ber Vorkenntnisse zu bestehenden Standardalgorithmen f r das Strukturlernen verf gen muss. Diese Forschungsarbeit schl gt einen neuartigen Meta-Lernansatz f r dieses Problem vor. Meta-Lernen bezeichnet das Lernen ber Lernalgorithmen, bei dem verschiedene Arten von Metadaten, wie Eigenschaften des Lernproblems, Leistungsma e verschiedener Algorithmen und aus den Daten abgeleitete Muster, verwendet werden, um den besten oder eine Kombination von Lernalgorithmen auszuw hlen, mit denen ein gegebenes Lernproblem effektiv gel st werden kann. Mehrere in der Literatur beschriebene Bayes'sche Netzwerke wurden manipuliert, um Tausende von Datens tzen zu generieren, aus denen jeweils spezifische Merkmale f r das Meta-Lernen extrahiert wurden. Drei Standardalgorithmen zum Strukturlernen wurden auf jeden der generierten Datens tze angewendet, um zugrunde liegende kausale Netzwerke zu entdecken, und ihre Leistung wurde bewertet. Mit unseren neuen Techniken konnten wir ein Tool implementieren, mit dem viele kausale Modelle generiert, viele Datens tze aus jedem Modell entnommen und sp ter durch Meta-Lernen die besten oder eine Kombination von Algorithmen f r neue Datens tze ermittelt werden k nnen.

• Format: Paperback
• Language: German
• ISBN: 620782587X
• ISBN13: 9786207825875
• Release Date: May 2025
• Publisher: Verlag Unser Wissen
• Length: 60 Pages
• Weight: 0.21 lbs.
• Dimensions: 0.1" x 6.0" x 9.0"