Employing sparse grids for data mining mitigates the curse of dimensionality, is applicable for mining large datasets, and offers an explainable approach to machine learning. In this thesis, we introduce a sparse grid-based incremental learning scheme for density estimation supporting computational efficiency and online model adaptions. On top, we introduce geometry-aware sparse grids to tackle image classification problems and implement the methods in the user-friendly SG++ data mining pipeline.     «

Employing sparse grids for data mining mitigates the curse of dimensionality, is applicable for mining large datasets, and offers an explainable approach to machine learning. In this thesis, we introduce a sparse grid-based incremental learning scheme for density estimation supporting computational efficiency and online model adaptions. On top, we introduce geometry-aware sparse grids to tackle image classification problems and implement the methods in the user-friendly SG++ data mining pipeli...     »

Der Einsatz dünner Gitter im Data Mining schwächt den Fluch der Dimensionen, ist für große Datensätze anwendbar und ermöglicht einen erklärbaren Zugang zu maschinellem Lernen. In dieser Arbeit stellen wir eine dünne Gitter-basierte, inkrementelle Lerntechnik vor, welche effizient rechnet und laufend Modellveränderungen unterstützt. Zusätzlich führen wir Geometrie-bewusste dünne Gitter ein, um Bildklassifizierungs-Problemstellungen zu bewältigen und implementieren die Methoden in die benutzerfreundliche SG++ data mining pipeline.     «

Der Einsatz dünner Gitter im Data Mining schwächt den Fluch der Dimensionen, ist für große Datensätze anwendbar und ermöglicht einen erklärbaren Zugang zu maschinellem Lernen. In dieser Arbeit stellen wir eine dünne Gitter-basierte, inkrementelle Lerntechnik vor, welche effizient rechnet und laufend Modellveränderungen unterstützt. Zusätzlich führen wir Geometrie-bewusste dünne Gitter ein, um Bildklassifizierungs-Problemstellungen zu bewältigen und implementieren die Methoden in die benutzerfr...     »