Ein experimenteller Vergleich von Batch- und Online Machine Learning-Algorithmen

Thomas Bartz-Beielstein ()
Additional contact information
Thomas Bartz-Beielstein: TH Köln, Institut Data Science, Engineering, and Analytics

Chapter Kapitel 9 in Online Machine Learning, 2024, pp 103-122 from Springer

Abstract: Zusammenfassung In diesem Kapitel werden die Ergebnisse der experimentellen Analysen vorgestellt. Die erste Studie (Abschnitt 9.1) untersucht die Verwendung von Batch Machine Learning (BML)- und Online Machine Learning (OML)-Modellen für die Vorhersage der Nachfrage nach Fahrrädern in einem Fahrradverleih (engl. “Bike-Sharing-Station”). Die zweite Studie (Abschnitt 9.2) untersucht die Verwendung von BML- und OML-Modellen für die Vorhersage, wenn sehr große Datensätze vorliegen, die mit einer Drift versehen sind. Hierfür wird der synthetische Friedman-Drift-Datensatz (siehe Definition 1.6) verwendet. Alle Datensätze wurden mit der StandardScaler-Methode standardisiert, so dass die Modelle auf Daten mit Mittelwert null und Standardabweichung eins trainiert wurden.

Date: 2024
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-658-46162-1_9

Ordering information: This item can be ordered from
http://www.springer.com/9783658461621

DOI: 10.1007/978-3-658-46162-1_9

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().