Bachelorseminar: Aktuelle Themen in der Statistik - Regularisierte Schätzverfahren in Regressionsmodellen
Allgemein
Termine und Zeiten
Veranstaltung | Ort | Zeit | Dozent |
Bachelorseminar: Aktuelle Themen in der Statistik - Regularisierte Schätzverfahren in Regressionsmodellen | Raum 0029, VMP 5 | Freitag, 30.06., 16-20 Uhr; Samstag, 01.07., 9-19 Uhr; Sonntag, 02.07., 10-17 Uhr | Prof. Dr. Martin Spindler |
Weitere Termine
Die Vorbesprechung und Vorbereitung der Themenvergabe ist für Dienstag, 04.04.2017 von 16-18 Uhr im Raum 1068, Von-Melle-Park 5 angesetzt.
Der einheitliche Abgabetermin für alle Hausarbeiten wird noch bekanntgegeben.
Inhaltsübersicht
In Regressionsproblemen mit einer großen Anzahl an Einflussgrößen ist es notwendig die relevanten Variablen bzw. Wirkungsstrukturen zu identifizieren, da die übliche Maximum-Likelihood-Schätzung oft nicht durchführbar oder zumindest nicht optimal ist. Das ist von besonderer Bedeutung bei sogenannten hochdimensionalen Datensätzen und bei der Analyse von "Big Data", die von immer größerer Bedeutung im Bereich Wirtschaftswissenschaften und betrieblicher Praxis werden.
Es werden unterschiedliche Ansätze betrachtet, wie sich die Prädiktorenstruktur identifizieren lässt und wie Regularisierungstechniken einsetzbar sind, um Parameter schätzbar zu machen und relevante Strukturen zu identifizieren. Ein wesentlicher Schwerpunkt ist die Variablenselektion. Viele der betrachteten Verfahren zielen auf eine Kombination von Variablenselektion und Verbesserung der Modellperformance ab.
Das Seminar richtet sich an Studierende im Bachelorstudiengang Betriebswirtschaftslehre. Als Hintergrund-Literatur, in der viele der Verfahren kurz skizziert sind, dient das im Netz verfügbare Buch:
Hastie, T., Tibshirani, R. & Friedmann, J. (2009): "The Elements of Statistical Learning - Data Mining, Inference and Prediction", 2nd Edition, New York: Springer.
Weitere Literatur zu den einzelnen Themen wird im Seminar bekannt gegeben.
Seminararbeitsthemen
- Ridge Regression
- Lasso
- Einführung in GLMs / Lasso in GLMs
- Grouped Lasso
- Fused Lasso
- Elastic Net
- Lava
- Least Angle Regression
- SCAD
- Trees and Random Forests
- Bagging
- Boosting
- L2-Boosting
- Stability Selection
- Sure Independence Screening
Weitere Informationen finden Sie hier [PDF].
Prüfungsleistungen
Voraussetzung für das Bestehen des Seminars ist die Teilnahme an der Blockveranstaltung. Der Leistungsnachweis wird erbracht durch eine Hausarbeit (ca. 13 Seiten) und einen Seminarvortrag von ca. 45 Minuten mit anschließender Diskussion.
Vergabe der Seminarplätze
Die Anmeldung für das Seminar ist vom 02.01. bis zum 11.01.2017 zentral über STiNE möglich. Näheres erfahren Sie auf der Homepage des Studienbüros.