• DBSCAN-Algorithmus zur Clusteranalyse

    Die Clusteranalyse zählt zu den Verfahren des nicht-überwachten Lernens. Eine Möglichkeit, Daten in Gruppen aufzuteilen besteht darin, Bereiche zu identifizieren, in denen Punkte konzentriert auftreten und diese von Bereichen mit anderen konzentrierten Daten zu trennen. Dabei werden Punkte gruppiert, die in der Nachbarschaft zueinander liegen. Als kleine Einleitung siehe das Vorlesungs-Video aus der Universität Bochum.

    Aufgabe ist es, das Verfahren mathematisch zu notieren und am Rechner anhand von Beispielen umzusetzen. Dabei sollen Stärken und Schwächen des Verfahrens praktisch untersucht werden.

  • Lineare Diskriminanzanalyse

    Die lineare Diskriminanzanalyse ist eines der ältesten immer noch gebräuchlichen Verfahren zur Klassifikation, behandelt somit Fragen des überwachten Lernens. Objekte, die als k-dimensionale metrische Merkmale gegeben sind, sind einer Klasse zugeordnet worden. Auf Grundlage dieser Zuordnung soll eine Funktion festgelegt werden, die nicht-zugeordnete Objekte einer Klasse zuweisen kann. Bei der linearen Diskriminanzanalyse werden die Daten auf Basis normalverteilter Klassen linear getrennt. Als kleine Einleitung siehe das folgende Vortrags-Video.

    Aufgabe ist es, den mathematischen Hintergrund des Verfahrens zu beschreiben und anhand eines Beispiels am Rechner umzusetzen. Dabei soll auch auf Schwierigkeiten bei nicht linear trennbaren Daten eingegangen werden.