Cookies help us deliver our services. By using our services, you agree to our use of cookies.
De En Es
Kundenservice: +49 (0) 551 - 547 24 0

Cuvillier Verlag

Publications, Dissertations, Habilitations & Brochures.
International Specialist Publishing House for Science and Economy

Cuvillier Verlag

Premiumpartner
De En Es
Titelbild-leitlinien
Optimistische Verzerrung in der Chemieinformatik

Hard Copy
EUR 99.90

E-book
EUR 69.90

Optimistische Verzerrung in der Chemieinformatik

Waldemar Klingspohn (Author)

Preview

Extract, PDF (580 KB)
Table of Contents, PDF (530 KB)

ISBN-13 (Hard Copy) 9783736970120
ISBN-13 (eBook) 9783736960121
Language Alemán
Page Number 332
Lamination of Cover matt
Edition 1.
Publication Place Göttingen
Place of Dissertation Braunschweig
Publication Date 2019-05-08
General Categorization Dissertation
Departments Pharmacy
Pharmaceutical chemistry
Keywords Chemieinformatik, Maschinelles Lernen, Klassifikation, Kreuzvalidierung, Doppelte Kreuzvalidierung, Modelloptimierung, Model Selection Bias
Description

Die zunehmende Methodenvielfalt stellt Chemieinformatiker immer mehr vor die Herausforderung, die optimale Methode für ein bestimmtes Vorhersagemodell zu wählen. Die neu vorgestellten Methoden zeigen sich hinsichtlich ihrer Vorhersageleistung gegenüber literaturbekannten Standard-Methoden vielfach überlegen oder kompetitiv. Nach der Implementierung dieser neuen Methoden schneiden diese allerdings vielfach schlechter ab als erwartet. Die scheinbare Überlegenheit kann die Folge einer sog. optimistischen Verzerrung bzw. eines Überoptimismus sein. Darunter ist eine fehlinterpretierte Überlegenheit einer Methode oder generell die systematische Verzerrung von Studienergebnissen zu verstehen. Das Ziel dieser Arbeit ist es, den Effekt des Überoptimismus anhand inadäquater externer Validierung und anhand von Beispielen ausgewählter neuer Klassifikationsmethoden aus der Literatur zu untersuchen. Anhand dieser Beispiele wird deutlich, wie einfach Überoptimismus in Studienergebnisse einfließen kann und dass einfache Änderungen des Studiendesigns optimistische Verzerrungen reduzieren können.