Modellauswahl unter Stichprobenunsicherheit unter Verwendung von Fuzzy-Zahlen

Die Modellauswahl ist eine der grundlegenden Aufgaben der wissenschaftlichen Forschung. Die am weitesten verbreiteten Methoden wie die ROC-Analyse berücksichtigen die Stichprobenunsicherheit nicht. Um die Robustheit der Modellauswahl zu verbessern, entwickelte der Autor eine Modellauswahlmethode, die die Stichprobenunsicherheit berücksichtigen kann. Sie erfasste die Stichprobenunsicherheit mithilfe der Bootstrap-Technik und quantifizierte die Stichprobenunsicherheit durch Einführung von Fuzzy-Zahlen. In dem Buch wandte der Autor das Modellauswahlsystem in Bezug auf binäre Klassifikationen auf eine Vielzahl realer Datenbanken an. Unter den getesteten Datensätzen entspricht die Methode der traditionellen ROC-Analyse, während sie die Fuzzy-Darstellung von ROC-Kurven ermöglicht, auf deren Grundlage nicht nur die Vorhersagegenauigkeit, sondern auch der Grad der Stichprobenunsicherheit berücksichtigt werden kann. Darüber hinaus entwickelte der Autor ein Computer-Tool, das das System implementiert und die mühsamen Verfahren bei der Modellauswahl vereinfacht.

Autorentext

Bei held BSc in Computer Science and Economics. Thereafter she obtained a MSc in Economics & Informatics from Erasmus University, for which she produced a thesis on model selection under sampling uncertainty using fuzzy numbers. Now she is a PhD candidate at TU Delft, working for RI and KWR. Her field of interest is computing techniques.