Departments | |
---|---|
Book Series (92) |
1308
|
Humanities |
2293
|
Natural Sciences |
5354
|
Mathematics | 224 |
Informatics | 313 |
Physics | 975 |
Chemistry | 1354 |
Geosciences | 131 |
Human medicine | 242 |
Stomatology | 10 |
Veterinary medicine | 99 |
Pharmacy | 147 |
Biology | 830 |
Biochemistry, molecular biology, gene technology | 117 |
Biophysics | 25 |
Domestic and nutritional science | 44 |
Agricultural science | 996 |
Forest science | 201 |
Horticultural science | 20 |
Environmental research, ecology and landscape conservation | 145 |
Engineering |
1746
|
Common |
91
|
Leitlinien Unfallchirurgie
5. Auflage bestellen |
Extract, PDF (580 KB)
Table of Contents, PDF (530 KB)
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.
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 |