Incremental Linear Model Trees on Big Data

Hapfelmeier, Andreas

Andreas Hapfelmeier

If you experience problems opening the document, please try this link.

Original title:: Incremental Linear Model Trees on Big Data
Translated title:: Inkrementelle lineare Modellbäume auf Big Data
Author:: Hapfelmeier, Andreas
Year:: 2016
Document type:: Dissertation
Faculty/School:: Fakultät für Informatik
Advisor:: Rost, Burkhard (Prof. Dr.)
Referee:: Rost, Burkhard (Prof. Dr.); Kramer, Stefan (Prof. Dr.)
Language:: en
Subject group:: DAT Datenverarbeitung, Informatik
TUM classification:: BIO 110d
Abstract:: Efficient learning algorithms gain importance in the time of Big Data and decentralized data processing (e.g. Internet of Things). The thesis evaluates one class of such efficient algorithms: the incremental linear model trees. The algorithms are systematically compared on stationary Big Data and are improved in their usability by the new pruning extension GuIP and the new data stream processing system PAFAS.
Translated abstract:: Effiziente Lernalgorithmen werden in Zeiten des Big Data und der dezentralisierten Datenverarbeitung (z.B. im Internet der Dinge) immer wichtiger. Diese Arbeit gibt einen Einblick in eine Klasse solcher effizienter Algorithmen: den inkrementellen linearen Modellbäumen. Die Algorithmen werden sowohl hinsichtlich stationärem Big Data systematisch verglichen, als auch in ihrer Anwendbarkeit durch die neue Pruning-Erweiterung GuIP und das neue datenstromverarbeitende System PAFAS verbessert.
WWW:: https://mediatum.ub.tum.de/?id=1272172
Date of submission:: 27.07.2015
Oral examination:: 12.09.2016
File size:: 9385031 bytes
Pages:: 153
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20160912-1272172-1-4
Last change:: 23.09.2016
BibTeX