Entscheidungsunterstützungssysteme

at Universität Duisburg-Essen

Join course
273
Discussion
Documents
Flashcards
Wer von euch ist so heftig wirklich das ganze Skript auswendig zu können ?
View 17 more comments
@Zapfsäule ich hab auch nie den ganzen Platz ausgenutzt. Das kommt immer auch auf die Schriftgrösse an. Mach dir deswegen keine Gedanken
@anonymer Kaffee was hast du für eine Note bekommen?
Note raus
View 3 more comments
hab ne 1,0 yuhu .... :) Ferien im happy
Noch jemand unzufrieden mit seiner Note?
Wie wars ?
View 2 more comments
Kann es sein das wir keine 5 Minuten Einlesezeit heute hatten?
Kann mich nur anschließen, Inhalt gut und fair, hat sich an seine Eingrenzung gehalten :) , aber von der Zeit her echt ziemlich knapp
WS 17/18 Nr 2 Wer kann seine Rechnungen dazu hochladen?
View 3 more comments
M->E wäre ja ein L2 Itemset, an sich möglich, habe es für die L2 Sets nicht durchgerechnet
kann jemand bitte die richtige Lösung hochladen? also mit M Support 3/4 bei Candidate-1-Itemsset als L1-Items?
Habt ihr bei den Clusterverfahren, alle Distanzmaße (Eukl., Manhatten, Maximum & Gower ) gelernt?
View 3 more comments
Kann mir jemand kurz und knackig Maximum Distanz erklären? Oder nen Beispiel hochladen? Steh grad aufm Schlauch 🙈
Du nimmst von der Differenz der Betragsstriche das max.. zB |80-50| |40-50| max ist bei 80-50 = 30
Eine Frage zum Entscheidungsbaumverfahren: Bei der Entropie (T) ist der Wert ja umso besser, desto kleiner er ist (im besten Fall 0). Beim IG, soll der Wert möglichst hoch sein. Berechnet man das Maß für die Homogenität mit Gini (T) soll der Wert ebenfalls möglich klein sein (wieder im besten Fall 0). Wenn ich den Split des Knotens mit Gini (T,A) bewerte, soll der Wert hier dann auch möglichst hoch sein (wie beim IG)? Das geht leider nicht ganz eindeutig aus dem Skript hervor.
Der Wert Gini (T,A) soll möglichst gering sein
SS 15 A3: Hat da jemand eine Lösung?
Guck mal bei den Unterlagen, da hat jemand alle Klausurantworten in einer Datei ab 2016 glaube ich und dort ist diese Aufgabe auf jeden Fall gelöst. Ich wüsste sonst nicht, wie man sonst anders dort vorgehen sollte
Hier hätte man Average Linkage benutzen sollen
gibt es eine Übungsaufgabe zu average linkage? hab leider keine gefunden, zu der es auch eine Lösung zum Vergleichen gibt
Es gibt eine Fortsetzung der Übung auf der Lehrstuhlseite, da wird ebenfalls mit Average Linkage gerechnet
SS 17 Nr. 3 Hat jemand diese Aufgabe schon berechnet?
View 1 more comment
Danke Nora!
Kannst du mir auf die Sprünge helfen, wieso ich beim dritten Itemset ( von 2 auf 3) nur BMR, BMZ, BZS, MSZ als Kombination nehme und nicht noch MRZ, BRZ, BRS ?
Hi Leute, habs heute leider nicht zur Klausureingrenzung geschafft. Kann mir da jemand von euch weiterhelfen ?
View 21 more comments
maximum distanz müsste doch dann auch wegfallen oder?
nein fällt nicht raus, aber mal ehrlich, ob du den max oder den min Wert nimmst....
No area was marked for this question
Wie funktioniert die Interation im WS15/16?
Die stimmt bis auf L3.... da fehlt noch (BHV), was aber auch < MinKonf ist. Aufgabenteil B stimmt meiner Meinung nach nicht. Da wurde bei dem 2. Schritt wenn die Regel gültig ist und in die Teilmengen erneut aufgeteilt wurde, wieder Supp(BHK)/Supp(B) genommen. Hier müsste aber eigentlich Suppe(BK)/Supp(B) gerechnet werden. Weil es ja die Aufspaltung von (BK) ist. (Siehe Übung)
wäre jemand so nett und könnte die Aufgaben von SS16 & WS 16/17 hochladen?
warum berechnet ihr für jede Ausprägung die Entropie des T nicht nochmal neu aus? Wir haben ja immer andere Ausprägungen und andere WSK gegeben. Bei der Bewertung und Berechnung des IG wird alles immer von 1,5567 abgezogen, müsste man den nicht je nach Merkmal (A1, A2, A3) wieder neu berechnen und davon dann die anderen werte abziehen? müsste dann E(T,A1)= 1,5567, E(T,A2)=1,95 und E(T,A3)=0,98 sein. und davon würde ich dann um den IG zu erhalten die Entropiewerte abziehen.
Nein weil die Ausprägungen für T immer gleich sind. nämlich 2/7, 3/7, 2/7. Ändert sich ja nichts an der Risikoklasse ;).
Weiß einer zu der Klausuraufgabe, was genau mit Entscheidungsmodellen gemeint ist? "Verdeutlichen Sie das Konzept von Entscheidungsmodellen. Erläutern Sie nach welchen Kriterien Entscheidungsmodelle klassifiziert werden können. Geben Sie ein Beispiel an!"
View 1 more comment
aus der Pdf die "alle" Theoriefragen beinhaltet, keine Ahnung mehr aus welchem Semester
War wohl was aus 1999.
Weiß jemand was mit dem Befehl "closure Property" gemeint ist?
"Ein Itemset I kann nur dann einen Support größer gleich MinSup besitzen, wenn sämtliche Teilmengen von I diese Supporteigenschaft besitzen." (Folie 201) Beispiel: Das L-3-Itemset (A,B,C) erfüllt die MinSup-Bedingung (z. B. MinSup > 70%) nur, wenn die Teilmengen (A,B), (A,C) und (B,C) diese Bedingung ebenso erfüllen, sprich auch einen Support >70% aufweisen.
bin ich doof oder müsste das 3/8 sein?
Habe ich auch raus
Hast du hier nicht vergessen, die mit Ta/T zu Gewichten?
SS 15 A3 c): Welche Herausforderung besteht bei der Bestimmung der Schranken für den Mindestsupport und die Mindestkonfidenz?
Ich würde sagen, dass die Wahl von MinSup und MinKonf auf bestimmte Prozentwerte darüber entscheiden, wie viele Large-Itemsets als gültig klassifiziert werden. Wenn die Schranken zu niedrig angesetzt werden, werden sehr viele gültige Large-Itemsets ausgegeben, was die Erkenntnisse bzw. die gewonnen Regeln verzerrt, da auch Regeln generiert werden, die eine geringen Support bzw. Konfidenz aufweisen, was für das Unternehmen zu nicht aussagekräftigen Erkenntnissen führen kann. Wenn die Schranken aber zu hoch angesetzt werden, werden nur wenige Regeln generiert werden können, was ausgeblendete Regeln außen vor lassen würde , die ebenfalls reichhaltige Erkenntnisse liefern können. (die Schranken sollten also mit Bedacht und mit logischem Hintergrund gewählt werden, um sinnvolle Regeln zu generieren)
WS 17/18: Entscheidungsbaum
hast du ws15/16 aufgabe 1 gelöst und könntest die hier posten?
habe ich genauso, nur ein kleiner Fehler im Split nach A1 in Gini (T1) - nicht 0/3, sondern 1/3 :)
Hat jemand WS15/16 Aufgabe 1 WS17/18 Aufgabe 2 gelöst? Ich würde gerne wissen wie ihr da vorgegangen seid.
HAT JEMAND WS15/16 Aufgabe 1 gelöst? Beim Schritt (Candidate-3-Itemsets) wie viele sind es ?
Kann sich evtl. noch wer erinerrn wie die Eingrenzung bzw seine Zusammenfassung zum SS18 aussah? Ich möchte gerne etwas besser einschätzen können wie viel Wert man auf die Aussagen legen kann.. falls sich wer erinerrt was er damals so betont hat in der letzten Vorlesung wäre ich sehr dankbar! 🙌🏻😊
was passiert eigentlich, wenn man jetzt durchfällt? gibt ja keine weiteren Klausuren mehr.
View 2 more comments
Dachte auch, dass es die letzte Prüfung ist. ich schätze, dass das Modul im nächsten Jahr durch ein neues Modul ersetzt wird und die Fehlversuche verfallen. Eigentlich eine gute und wichtige Frage. Könnte man Mal den Wanja fragen
Laut Prüfungsplan kann man die wirklich nochmal wiederholen
Wenn in der Klausur der vollständige Entscheidungsbaum gefragt ist: woher weiß ich wann ich aufhören soll? Sobald auf Ebene 2 eine homogener Knoten entsteht ?!
Meistens steht da, dass man einen Split vom Wurzelknoten machen muss, also jedes Attribut einmal vom Wurzelknoten aus testen und nicht tiefer gehen
Jemand der die SS18 hat, kannst du bitte die Theorie Fragen hochladen ? :)
View 2 more comments
Kapitel 5 ist doch wichtig hat er gesagt
@kreditkarte ich glaub er trollt nur
WS 18/19 A4 Hat da jemand die komplette Rechnung mit dem Koeffizienten? :-)
Den Koeffizienten berechnest du, indem die beide Attribute addierst und dann mit 1/n -in dem Fall n=2- multiplizierst. Also einmal für K1K2 und einmal für K3K4
Super, vielen Dank!!! :-)
SS 15 A 3: b) Closure Property: Ein Itemset kann nur dann einen Support größer gleich Min Cup besitzen, wenn sämtliche Teilmengen von dem jeweiligen Itemset diese Support Eigenschaft besitzen. (Steht im Skript: Folie 201) Wie erklärt man jetzt inwiefern diese Eigenschaft dazu beiträgt, die Menge der Kandidaten gering zu halten? Wenn die Teilmengen diese Supporteigenschaft nicht besitzen, werden sie ausgeschlossen und werden nicht weiter berücksichtigt? c) Hat da eventuell jemand eine Lösung? Oder bezieht sich das auf Folie 199? Bestimmung aller Itemsets mit Support ≥ MinSup Bestimme alle Itemsets, deren Support größer oder gleich einer vorgegebenen Schranke MinSup ist. (sog. Large-Itemsets) → Apriori-Algorithmus • Bestimmung der Assoziationsregeln aus den Large-Itemsets Bestimme aus den Large-Itemsets die Regeln, deren Konfidenz größer oder gleich einer vorgegebenen Schranke MinKonf ist. → Prozedur genrules
View 3 more comments
die Skizze ist etwas unordentlich, aber im Endeffekt schaut man sich nur die ersten/vorderen Items an und kombiniert übereinstimmende (der zu berücksichtigende Teil ist unterstrichen). Die anderen möglichen Kombinationen werden dann im Anschluss wie oben beschrieben überprüft
Vielen Dank :-)
WS 18/19 A4: Hat da eventuell jemand eine Lösung zu? Oder gehört diese Aufgabe zu den K-Means?
View 3 more comments
Habe ich auch so. Es müsste dann nur noch in die Gower-Koeffizient Formel eingesetzt werden, habe damit für K1,K2 0,4375 und für K3,K4 0,1875 raus
@Anonyme Taschenlampe: Wie genau sieht die Berechnung mit dem Gower Koeffizienten dann aus?
Hat jemand auch Probleme sich diese ganzen Stichpunkte zu merken 🙃
Ja, das ist echt viel Stoff :/ Hoffe in der letzten Vorlesung wird da noch etwas zu gesagt
Wie ist das mit den K-Means? Wurde auch die Theorie dazu ausgegrenzt?
Nein Theorie ist relevant
Ich habe mir jetzt ein paar Lösungen zu den Entscheidungsbäumen etc. hier angeguckt und wollte nochmal sagen, dass die Übungsleiterin darauf hingewiesen hat, dass wir bei den Verfahren mindestens 1 mal die allgemeinen Formeln aufschreiben sollen (z.B. für Gini-Koeffizient oder Distanzmaße wie Manhattan-Distanz)
Dank für den den Hinweis! :-)
wurde der Gini Index (Entscheidungsbaum) gar nicht in der Übung behandelt?
View 2 more comments
Die Übungsleiterin meinte, dass die Gini-Berechnung ebenfalls relevant ist
gini ist leichter.. und geht viel schneller, also keine angst.
Wie würdet ihr Big Data und predicitve analytics in einen Zusammenhang bringen? War da leider nicht in der VL.
naja ohne es auf die vorlesung zu beziehen würde ich sagen die analyse von extrem großen datenmengen zeigt möglicherweise schlüsse und gesetze innerhalb dieser auf die dann in predictive analytics genutzt werden können; aber wie gesagt das hat keinen bezug zu den vorlesungsinhalten und ist freestyle losgeraten
Big Data heißt ja, dass man versucht, aus großen Datenmengen Muster zu erkennen. Diese Muster der historischen Daten nutzt man, um zum einen Zukunftsszenarien zu erstellen und im Folgenden dann aus den Daten auch Handlungsempfehlungen ableiten zu können
Hat schon jemand den Baum von SS18 Nr. 3 a gezeichnet und könnte in ggf hochladen? Dankeschön, das wäre sehr lieb!🤗
Also ich habe es so gemacht 😊
Bezieht sich die Aufteilung auf die einzelnen Layer im Schichtmodell von Performance Dashboards (Folie 126)?
gefunden auf F. 128
Ich würde eher sagen auf die drei Arten von Performance Dashboards
WS 18/19 A4 d: Wie geht man hier vor? 🙈
View 10 more comments
Ich habe in meine Unterlagen einen Text gefunden, vielleicht hilft das weiter
@Tatjana Schäfer: Super, vielen Dank!! :-)
Hat einer von euch schon SS 17 A3 c) gelöst?
wenn du die Klausur hochlädst kann ich dir helfen.
https://youtu.be/_U0SQyCZcCI kurze und knappe Erklärung zu den Zusammenhängen in Kapitel 2, auch wenn nicht allzu genau
Ist dieser wissenschaftliche Artikel auf der Lehrstuhlseite über BA eigentlich auch Klausrrelevant ?
View 3 more comments
Danke :)
Sehr gerne! Viel Erfolg für die anstehende Prüfung! :)
Weiß jemand wo das im Skript zu finden ist?
Ja das heißt eigentlich Hichert und ist ein Literaturhinweis
Top, danke!
Hat jemand eine gute Zusammenfassung erstellt und würde die hier zur Verfügung stellen? Hab durch Econometrics leider selbst nicht die Zeit dafür gehabt und jetzt würde das die Zeit fressen. Wäre sehr dankbar.
Kann jemand die Altklausuren hochladen ? Danke
Lernt ihr auch die Struktur eines Data Management Subsystems (Graphik rechts S. 31)? Hat er eig nicht explizit erwähnt oder?
Ich glaube das kann dir keiner sagen. Wenn du auf Nummer sicher gehen willst musst du alles lernen. Aber ist schon so genug.
Was ist denn eigentlich mit ”semistrukturierten Problemen” in 1.2 gemeint ( Chamoni Zusammenfassung)?
denke das damit der Entscheidungsprozess nach Simon gemeint ist, wo wir ein Problem haben und durch die Schritte des Entscheidungsprozesses dieses Problem durch die Signale Intelligence Design Choice Implementation "strukturieren" können um eben Entscheidungsunterstützung zu bieten.
WS 18/19 A2: Es werden folgende Regeln ausgegeben: {K,P} -> {Z} {P} -> {K, Z} {P,Z} -> {K} {P} -> {K} {K} -> {Z} {Z} -> {K} (P) -> (Z) Kann das jemand bestätigen?
View 5 more comments
Alles klar! 👌
Bei mir ist Z->P = 80 also kleiner als die Mindestkonfidenz -> keine Regel
SS16: Entropie Ist das so richtig?
Wieso berechnest du die Entropie für T für jeden Attribut neu aus ? Das haben wir in der Übung doch anders gemacht oder verstehe ich was falsch?
@Anonyme Maus: Ich hatte einen Denkfehler. Danke für den Hinweis! Ich rechne das noch mal neu aus
SS13 A1: Ist die Lösung so richtig?