Location: Online  |  Price: Free  |  Language: German

Dec 8, 2022
5 PM - 6 PM UTC +1 (Berlin) / 10 AM - 11 AM UTC -6

About the Webinar

ML Modelle stehen oft vor der Herausforderung, einen Kompromiss zwischen der Qualität der Vorhersage beim Training (Bias) und der Leistung des Modells bei unbekannten Daten (Variance) zu finden. In der Praxis ist es häufig schwierig Modelle zu finden welche eine gute Vorhersageleistung erzielen, gleichzeitig aber auch robust gegenüber Änderungen und Ausreißern in den Daten sind. Ensemble Methoden im Allgemeinen, sowie Stacked Ensembles im Speziellen, stellen eine Möglichkeit dar mit Bias-Variance Tradeoff umzugehen.

Im Rahmen des Webinars wird ein Ensemble Modell zur Vorhersage der Leistung eines Kraftwerks mit KNIME umgesetzt.