Knowledge Base

Die Knowledge Base erklärt zentrale Begriffe zu Predictive Analytics und Data Science, bietet methodisches Wissen und fördert ein tieferes Verständnis von Forecasting, damit Ergebnisse besser nachvollziehbar werden.

A

Absoluter (Prognose-)Fehler (AE)
Absoluter prozentualer (Prognose-)Fehler (APE)
Aggregation
Ausreißer
Autokorrelation
Autoregressive Integrated Moving Average (ARIMA)

B

Backtesting
Binäre Klassifizierung

C

CART
Croston

D

Descriptive Analytics

E

Einflussgröße
Empfänger-Operations-Charakteristik (ROC)
Ensemble-Methoden
Erratische Zeitreihe
Exponentielle Glättung mit Kovariaten (ESCov)

F

Fläche unter Kurve (AUC)

G

Geklumpte Zeitreihe
Genauigkeit eines Klassifikators
Glatte Zeitreihe
Gleich-Fehler-Rate (EER)
Gleitender Mittelwert (Moving Average)
Gradient Boosting Decision Tree Algorithm
Granularität
Gütemaß

H

Hierarchische Aggregation
Hierarchische Prognosen
Hyperparameter

I

Indikator

K

Klassifikation von Zeitreihen
Klassifikationsschwellwert (Threshold)
Klassifikator
Klassifizierung
Kollinearität
Konfusionsmatrix
Korrelation
Kostensensitives Lernen
Kovariate
Kreuzkorrelation
Kreuzvalidierung
Künstliches Neuronales Netz (KNN)

L

Lineare Regression

M

Machine Learning (ML)
Mittlerer absoluter Fehler (MAE)
Mittlerer absoluter prozentualer Fehler (MAPE)
Mittlerer absoluter skalierter Fehler (MASE)
Mittlerer Fehler (ME)
Mittlerer quadratischer Fehler (MSE)
Modellauswahl
Modellauswahl und Validierung
Multiklassen-Klassifizierung
Multivariate Adaptive Regression Splines (MARS)

N

Naive Prognose

O

Out-of-Sample-Validierung
Overfitting
Oversampling

P

Periods in Stock (PIS)
Präzision eines Klassifikators
Predictive Analytics
Prescriptive Analytics
Prognose
Prognosefehler
Prognosehorizont
Prognoseintervall
Prognosekonfidenzniveau
Prognosemethode
Prognoseschritt
Prognosezeitraum
Prozentualer Fehler (PE)
Punktprognose

R

Random Forest
Regression
Regularisierte Regression
ROC

S

Saisonalität
Sensitivität
Symmetrischer MAPE (sMAPE)
Spezifität
Sporadische Zeitreihe
Supervised Learning
Support Vector Machine (SVM)

T

TBATS
Teunter-Syntetos-Babai-Methode (TSB)
Training und Validierung
Trend

U

Unbalancierter Datensatz
Undersampling
Unsupervised Learning

V

Validierung

Z

Zeitliche Aggregation
Zeitreihe
Zeitreihen-Hierarchien
Zeitreihenvorhersage
Sie sind dabei, unsere Webseite über einen externen Link zu verlassen. Bitte beachten Sie, dass der Inhalt der verlinkten Seite außerhalb unserer Kontrolle liegt.

Cookies und andere (Dritt-)Dienste

Diese Website speichert Cookies auf Ihrem Computer nur, wenn Sie dem ausdrücklich zustimmen. Bei Zustimmung werden insbesondere auch Dritt-Dienste eingebunden, die zusätzliche Funktionalitäten, wie beispielsweise die Buchung von Terminen, bereitstellen. Diese Cookies und Dienste werden verwendet, um Informationen darüber zu sammeln, wie Sie mit unserer Website interagieren, und um Ihre Browser-Erfahrung zu verbessern und anzupassen. Zudem nutzen wir diese Informationen für Analysen und Messungen zu unseren Besuchern auf dieser Website und anderen Medien. Weitere Informationen zu den von uns verwendeten Cookies und Dritt-Diensten finden Sie in unseren Datenschutzbestimmungen.