Zusammenfassung
Machine Learning lässt sich in das Überwachte Lernen, das Unüberwachte Lernen und das Bestärkende Lernen unterteilen. In diesem Kapitel werden die Anwendung diverser Methoden für die Regression, Klassifikation und das Clustering vorgestellt. Darüber hinaus wird erklärt, wie Unüberwachtes Lernen bei der Erstellung von Assoziationsregeln (Warenkorbanalyse) hilft, die dann als Grundlage für Empfehlungssysteme und die Optimierung von Cross-Selling-verfahren dienen.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Chen, D., Sain, S. L., & Guo, K. (2015). UCI Machine Learning Repository: Online Retail Data Set. Abgerufen am 06. Januar 2023 von https://archive.ics.uci.edu/ml/datasets/online+retail
Dark_Raider. (15. Januar 2023). Credit Risk Analysis [Data set]. https://doi.org/10.34740/KAGGLE/DSV/2327131
Kuhn, M. (2022). modeldata: Data Sets Useful for Modeling Examples. Abgerufen am 17. November 2022 von https://modeldata.tidymodels.org/
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2023 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Heesen, B. (2023). Anwendung von Machine Learning mit R. In: Künstliche Intelligenz und Machine Learning mit R. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-41576-1_7
Download citation
DOI: https://doi.org/10.1007/978-3-658-41576-1_7
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-41575-4
Online ISBN: 978-3-658-41576-1
eBook Packages: Business and Economics (German Language)