Online Machine Learning

Dieses Buch beschreibt Theorie und Anwendungen aus dem Bereich des Online Maschine Learnings (OML), wobei der Fokus auf Verfahren des berwachten Lernens liegt. Es werden Verfahren zur Drifterkennung und -behandlung beschrieben. Verfahren zur nachtrglichen Aktualisierung der Modelle sowie Methoden zur Modellbewertung werden dargestellt. Besondere Anforderungen aus der amtlichen Statistik (unbalancierte Daten, Interpretierbarkeit, etc.) werden bercksichtigt. Aktuelle und mgliche Anwendungen werden aufgelistet. Ein berblick ber die verfgbaren Software-Tools wird gegeben. Anhand von zwei Studien (simulierten Anwendungen) werden Vor- und Nachteile des OML-Einsatz in der Praxis experimentell analysiert.