- AutorIn
- Georg Siedel Technische Universität Dresden, Lehrstuhl Kraftfahrzeugtechnik
- Titel
- Evaluation von Machine-Learning-Modellen und Konzeptionierung eines Modell-Ensembles für die Vorhersage von Unfalldaten
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:bsz:14-qucosa2-739723
- Übersetzter Titel (EN)
- Evaluation of machine learning models and conception of a model ensemble for the prediction of accident data
- Erstveröffentlichung
- 2021
- Datum der Einreichung
- 21.12.2020
- Datum der Verteidigung
- 15.01.2021
- Abstract (DE)
- In dieser Arbeit wird mittels verschiedener Methoden die Datenfusion von Unfallszenarien untersucht. Ausgangspunkt sind zwei Datensätze aus der Datenbank der polizeilichen Unfallstatistik. Im Empfängerdatensatz wird das spezifische Attribut „Unfalltyp“ entfernt, welches mithilfe des Spenderdatensatzes ergänzt werden soll. Ziel ist das Erstellen einer einheitlichen Datenbasis, deren Qualität mittels geeigneter ausgewählter Metriken bewertet wird. Als Methode der Datenfusion wird zum einen das Distance-Hot-Deck-Verfahren verwendet. Zum anderen werden vier aussichtsreiche Machine Learning Verfahren auf Basis einer systematischen Literaturrecherche ausgewählt und zur Vorhersage des spezifischen Attributes angewandt. Um die jeweiligen Vorteile bezüglich der Verteilung und Trefferrate des vorhergesagten Attributes ausnutzen zu können, werden Kombinationsvarianten (Ensembling) beider Methoden entwickelt. Es werden Erkenntnisse gewonnen, welche Verfahren die höchste Qualität des fusionierten Datensatzes erreichen.
- Freie Schlagwörter (DE)
- ADS, Machine Learning, Statistical Matching, Effectiveness Assessment
- Klassifikation (DDC)
- 380
- 620
- Klassifikation (RVK)
- ZO 4875
- GutachterIn
- Prof. Dr.-Ing. Günther Prokop
- BetreuerIn Hochschule / Universität
- Maximilian Bäumler
- Den akademischen Grad verleihende / prüfende Institution
- Technische Universität Dresden, Dresden
- Version / Begutachtungsstatus
- aktualisierte Version
- URN Qucosa
- urn:nbn:de:bsz:14-qucosa2-739723
- Veröffentlichungsdatum Qucosa
- 19.02.2021
- Dokumenttyp
- Diplomarbeit
- Sprache des Dokumentes
- Deutsch
- Lizenz / Rechtehinweis
- Inhaltsverzeichnis
1. Einleitung 2. Grundlagen der Datenfusion 3. Randbedingungen 4. Vorgehensweise 5. Ergebnisse 6. Diskussion und Ausblick