Diplomarbeit aus dem Jahr 2002 im Fachbereich BWL - Sonstiges, Note: 2,3, Technische Universit?t Dortmund (Lehrstuhl f?r Computergest?tzte Statistik), Sprache: Deutsch, Abstract: Boosting (englisch: "verst?rken, f?rdern") ist eine generelle Methode, um die Genauigkeit eines gegebenen Lern- oder Klassifikationsalgorithmus zu erh?hen. Ein sogenannter "schwacher" Lernalgorithmus, der kaum besser und genauer ist als einfaches Raten, wird soweit "verst?rkt", das sich ein ziemlich genauer "starker" Lernalgorithmus ergibt. Dabei werden w?hrend des wiederholten Durchlaufens des Boostingalgorithmus durch unterschiedliche Gewichtung der Trainingsbeispiele mehrere Klassifikatoren berechnet, deren Linearkombination dann einen verbesserten Klassifikator liefert.Die Wurzeln und die Enstehungsgeschichte von Boosting finden ebenso Beachtung wie ein Darstellung g?ngiger Boostingalgorithmen.Einer der Repr?sentanten dieser Algorithmenklasse - MART - wird auf den RWI-Datensatz des Rheinisch-Westf?lische Institut f?r Wirtschaftsforschung (RWI) in Essen angewandt, dessen besondere Bedeutung vor dem Hintergrund des Sonderforschungsbereichs 475 Komplexit?tsreduktion in multivariaten Datenstrukturen beleuchtet wird.Mittels einer doppelten leave-one-Cycle-out-Analyse werden die Analyseergebnisse mit denen des CART-Algorithmus verglichen.Das statistische Problem der Klassifikation besch?ftigt sich mit der Zuordnung von Objekten zu Klassen. Jedes Objekt ist charakterisier...