LZS

  • Increase font size
  • Default font size
  • Decrease font size
E-Mail Drucken

Ausreißererkennung in Testdaten

Betreuer: M.Sc. Tobias Rumpel

Vortragender: Jonathan Fiedelak

Problemstellung: Es sollen große Datensätze effektive bearbeiten werden können. Als Vorbereitung dafür müssen diese jedoch zuerst strukturiert werden, sodass diese von Ausreißern bereinigt werden. In der Statistik versteht man unter einem Ausreißer einen Wert, welcher sich stark von den übrigen Werten unterscheidet. Diese Anomalien lassen oft auf fehlerhafte Bauteile schließen und müssen deshalb erkannt und als potentiell fehlerhaft markiert und ausgeschlossen werden. Ebenso mindern Ausreißer die Qualität der folgenden Clusterung und sind auch deshalb zu entfernen.

Problemlösung: Für die Ausreißererkennung gibt es mehrere Verfahren, diese sollen als Python-Programm geschrieben und implementiert werden. Die Ausreißer sollen identifiziert nach grafischen, statistischen, distanz- und dichtebasierten Verfahren, markiert und entsprechend entfernt werden.

Durchführung:
Gegeben sei eine Datenbank mit Messdaten:

  • Einarbeitung in Python
  • Programmierung der Ausreißererkennung
  • Vergleich der Ergebnisse

Termin: 02.02.2023 11:30 Uhr

 

 

Suche

LZS-Intern