Regularisierung für diskrete Datenstrukturen

点击翻译按钮获取中文摘要

Statistische Modellierung in diskreten Strukturen ist parameterintensiv. Schon die Einbeziehung weniger Merkmale führt zu hochdimensionalen Parametrisierungen, wenn die Merkmale viele mögliche Ausprägungen besitzen. Spezifische Regularisierungstechniken, die auf diskrete Modelle zugeschnitten sind, sind notwendig, um Parameterökonomie und damit Schätzbarkeit der Modelle zu erreichen. Ziel des Projekts ist die Entwicklung von Regularisierungstechniken, die es ermöglichen, relevante und insbesondere interpretierbare Wirkungsstrukturen zu identifizieren. Die Parameterökonomie ergibt sich als Folge des reduzierten Modells. Ein Hauptanliegen der Identifikation von Wirkungsstrukturen ist die Ausrichtung auf einfache Interpretierbarkeit, die für Anwendungen in den Substanzwissenschaften von besonderer Bedeutung ist. Ein Schwerpunkt liegt auf der Variablenselektion, die besonders einfach interpretierbar ist. Weitere Strukturkomponenten sind Gruppierungen von Kategorien, kategorienunabhängige Parametrisierungen und die Anzahl von Mischungskomponenten.