Automatische Unterteilung mit Machine Learning
Oft möchte man hochdimensionale Daten aufgrund ihrer Merkmale in verschiedene Klassen unterteilen. Hierfür bieten sich Machine Learning Algorithmen an, für die viele Dimensionen kein Hindernis sind, z.B. Support Vector Machines.
Clustering
Wenn keine Trainingsdaten zur Verfügung stehen, kann eine Clusteranalyse durchgeführt werden. In beiden Fällen müssen die Daten meist vorher normalisiert und manchmal auch die Achsen transformiert werden, damit die Basisvektoren in allen Dimensionen die gleiche Länge haben und keine Dimension bevorzugt wird.
Individuelle Lösungen
Sollte sich ein existierender Algorithmus für die Klassifikation der Daten eignen, müssen seine Parameter korrekt gewählt werden. Sind die Daten allerdings zu komplex oder gibt es besondere äußere Abhängigkeiten, die in die Lösung integriert werden sollen, muss ein neuer Algorithmus entwickelt werden.
Kontakt
Für Anfragen zu Klassifikationsalgorithmen, Clustering und anderen Methoden, mit denen Informationen aus großen Datensätzen gewonnen werden können, steht 256.systems zur Verfügung.