Modellierung

Ableitung vom Modellen

(c) iStock.com, cgering

Einem meiner Lehrer, Prof. Dr. Bernd Mahr, nach sind Modelle "Abbildungen von etwas für etwas". Modelle dienen dazu ein Abbild der Wirklichkeit zu erschaffen, um mit ihnen einen Einfluss auf die Wirklichkeit auszuüben. Je nach Ihrem Anwendungsgebiet werden in der Modellierungsphase unterschiedliche Modelle abgeleitet.

Deskriptive Modelle werden insbesondere im Rahmen des Knowledge Engineering erarbeitet, um die Begrifflichkeiten eines Anwendungsgebiets oder die Zusammenhänge in einem Anwendungsgebiet zu beschreiben. Sie dienen in der Regel der Konservierung bestehenden Wissens, um dieses strukturelle Wissen Programmen zugänglich und sie so "intelligenter" zu machen.

Vorhersagemodelle dienen der Operationalisierung von Zusammenhängen in Daten. Hierunter fallen einerseits Vorsagemodelle die durch maschinelle Lernverfahren oder Data Mining Verfahren abgeleitet werden, andererseits fallen auch logische Regeln hierunter, mit denen Ableitungen von Aussagen möglich werden.

Welche Form des Modells im Rahmen der Modellierungsphase erarbeitet werden muss, hängt letztendlich von Ihrer Problemstellung und Ihrem Informationsbedarf ab.

Nebenbei: Zur Validierung und finalen Bewertung der Vorhersagemodelle werden die Daten üblicherweise in drei zufällige Teilmengen aufgeteilt: 60% für das Training, 20% für die Modellvalidierung und 20% für den finale Bewertung.

Halten Sie eigene Testdaten vor, reicht auch eine 70/30% Aufteilung zwischen Trainings- und Validierungsdaten. Vorausgesetzt, die Datenaufbereitungsschritte sind  reproduzierbar und dokumentiert, um auf die Testdaten angewandt zu werden.