Non-parametric density estimation, especially with high dimensional data sets, presents a problem requiring powerful hardware and sophisticated algorithms. Sparse grids are an approach that offer a computationally feasible solution. However, the usual methods, like the standard combination technique, still struggle with the sheer number of dimensions and data points for some data sets. Recent advances in adaptive combination techniques present new solutions for such challenges. In this thesis one such method - the dimension-wise spatially adaptive refinement - will be analyzed and compared to the standard combination technique and regular kernel density estimation. To determine its effectiveness for density estimation it will be compared to these methods with a variety of data sets. Furthermore, a classification-based comparison of the dimension-wise method and the standard combination technique will be conducted.     «

Non-parametric density estimation, especially with high dimensional data sets, presents a problem requiring powerful hardware and sophisticated algorithms. Sparse grids are an approach that offer a computationally feasible solution. However, the usual methods, like the standard combination technique, still struggle with the sheer number of dimensions and data points for some data sets. Recent advances in adaptive combination techniques present new solutions for such challenges. In this thes...     »

Nicht-parametrische Dichteschätzung stellt ein Problem dar, das, besonders bei Daten- sätzen mit vielen Dimensionen, große Rechenleistung und ausgeklügelte Algorithmen erfordert. Dünngitter Verfahren sind Methoden, die rechnerisch machbare Lösun- gen bieten. Trotzdem kämpfen die üblichen Dünngitter Verfahren, wie etwa die Standard-Kombinationstechnik, mit der schieren Anzahl an Dimensionen und Daten- punkten mancher Datensätze. Jüngste fortschritte für adaptive Kombinationstechnik ermöglichen neue Lösungen für solche Herausforderungen. In dieser Arbeit wird eine solche Methode - die Dimensionsweise Räumlich-adaptive Kombinationstechnik - analysiert und mit der Standard-Kombinationstechnik und Kernel Dichteschätzung verglichen. Um ihre Effektivität bei Dichteschätzung festzustellen wird sie mit den eben genannten Methoden mit einer Vielfalt von Datensätzen überprüft. Weiterhin wird ein auf Klassifikation basierender Vergleich mit der Standard-Kombinationstechnik unternommen.     «

Nicht-parametrische Dichteschätzung stellt ein Problem dar, das, besonders bei Daten- sätzen mit vielen Dimensionen, große Rechenleistung und ausgeklügelte Algorithmen erfordert. Dünngitter Verfahren sind Methoden, die rechnerisch machbare Lösun- gen bieten. Trotzdem kämpfen die üblichen Dünngitter Verfahren, wie etwa die Standard-Kombinationstechnik, mit der schieren Anzahl an Dimensionen und Daten- punkten mancher Datensätze. Jüngste fortschritte für adaptive Kombinationstechnik ermöglic...     »