Methoden zur Klassifikation - OptiV
Methoden zur Klassifikation - OptiV
Methoden zur Klassifikation - OptiV
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Erweiterungen<br />
und Varianten<br />
4.2 Anwendung<br />
Es existieren zahlreiche Erweiterungen und Varianten von Bayes-Netzen, beispielsweise<br />
<strong>zur</strong> <strong>Klassifikation</strong> von fehlerhaften oder unvollständigen Daten<br />
mit Monte-Carlo-<strong>Methoden</strong> []. Einenguten Überblick bietet Heckermann [].<br />
Anwendung Bayes-Netzwerke werden hauptsächlich in Bereichen eingesetzt, in denen es auf<br />
die Abhängigkeiten zwischen den verschiedenen Merkmalen ankommt,<br />
wie z.B. bei der Fehlerdiagnose in komplexen Systemen [].<br />
Vorteile von<br />
Bayes-<br />
Netzwerken<br />
Nachteile von<br />
Bayes-<br />
Netzwerken<br />
• Bayes-Netzwerke können Abhängigkeiten zwischen den verschiedenen<br />
Attributen modellieren.<br />
• Sie sind für den Benutzer sehr anschaulich und gut nachvollziehbar.<br />
• Sie sind relativ einfach zu implementieren.<br />
• Bayes-Netzwerke erfordern bei vielen Merkmalen und komplexen Abhängigkeiten<br />
einen hohen Rechenaufwand.<br />
• Die Abhängigkeiten zwischen den Merkmalen können bei vielen Merkmalen<br />
schnell unübersichtlich werden.<br />
• Die Abhängigkeiten werden nur dann modelliert, wenn sie als solche identifiziert<br />
werden. Die Struktur des Netzwerkes und somit die <strong>Klassifikation</strong>sergebnisse<br />
sind stark vom Benutzer abhängig.<br />
14
Change language