Modellbasierte Feature Extraction und Regularisierung in hochdimensionalen Strukturen

• Antragsteller: Professor Dr. Gerhard Tutz
• Fachliche Zuordnung: Statistik und Ökonometrie
• Förderung: Förderung von 2007 bis 2011
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 58897533

Statistische Modellierung mit hochdimensionalen Datenstrukturen erfordert die Entwicklung geeigneter Methoden der Dimensionsreduktion. Reduktionstechniken sollten insbesondere zwei Zielvorgaben gerecht werden: der Verbesserung der Prognosegenauigkeit und der Interpretierbarkeit. Prognoseverfahren, die nur als Black-Box angelegt sind, sind unter dem Aspekt statistischer Modellierung unbefriedigend, da unklar bleibt, welche Strukturen für die Prognose wirksam werden. Statistische Modellierung zielt darüber hinaus immer darauf ab, relevante Datenstrukturen zu identifizieren und zu interpretieren. Ziel des Projekts ist die Entwicklung von Methoden zur Identifikation von Wirkungskomponenten (,Feature Extraction‘) auf der Grundlage semiparametrischer Modellierungsansätze. Die Identifikation der wirkungsrelevanten Strukturen sollte beiden Zielvorgaben, Interpretierbarkeit und Prognosegenauigkeit, gerecht werden.

• DFG-Verfahren: Sachbeihilfen