Smart Data Analytics

Hat man sehr viele Daten, so könnte man sogar Merkmale lernen lassen. Setzt man hierzu beispielsweise Deep Neural Networks → S.83 ein, so ist die verlorene Intuition über den Klassifikator oft der Preis, den man zahlt. Die Menge an möglichen Merkmalen war allerdings sehr groß, obwohl wir uns auf die oben genannten Aggregatoren und Segmentierungen beschränkt hatten. Hinzu kommt, dass wir nicht wie ein Techniker jede Messreihe separat anschauen, sondern alle Messungen zu einem einzelnen Messvektor zusammenfassen. So ergeben sich ungefähr Anzahl Messsequenzen x Anzahl Zeitsegmente x Anzahl Frequenzbänder x Anzahl Aggregatoren verschiedene Merkmale. In unserem Fall waren dies bereits über 9000 Spalten, die möglicherweise relevante Eigenschaften abbilden. ...