User: Guest  Login
Document type:
Bachelorarbeit
Author(s):
Maier, Markus
Title:
Ensemble Learning Methoden in der Schadensversicherungsmathematik
Abstract:
Ensemble Learning Methoden erzeugen mehrere Schätzer und kombinieren sie anschließend mit dem Ziel, ihre Vorhersagekraft zu verbessern. Bagging und Random Forests mitteln hierzu die erzeugten Schätzer, während Boosting mit einem schwachen Schätzer beginnt und diesen iterativ verbessert. Die höhere Schätzleistung resultiert bei Bagging und Random Forests aus einer Reduzierung der Varianz bei gleichbleibendem bzw. leicht verschlechtertem Bias. Boosting fokussiert sich stattdessen auf die Minimi...     »
Translated abstract:
Ensemble learning methods construct and combine multiple estimators with the goal of improving their predictive capabilities. For this, Bagging and Random Forests average over the generated estimators while Boosting starts with a weak estimator, improving it iteratively. In the case of Bagging and Random Forests, the higher predictive power results from a reduction in variance while bias remains unchanged or gets slightly worse. Boosting focusses on the reduction of an in-sample loss functi...     »
Supervisor:
PD Dr. Aleksey Min
Advisor:
PD Dr. Aleksey Min
Year:
2021
University:
Technische Universität München
Faculty:
Fakultät für Mathematik
TUM Institution:
Lehrstuhl für Finanzmathematik
Commencing Date:
01.05.2021
 BibTeX