Support Vector Machines

Ein musterorientierter Ansatz für Zusammenhangsanalysen

Der Vortrag versucht, die Beschränkung von konventionellen Methoden für die Analyse von Zusammenhängen zwischen Daten aller Art aufzuzeigen, und einen Lösungsansatz vorzustellen. Für Psychologen und Sozialwissenschaftler aller Art besteht das statistische Handwerkszeug zur Datenanalyse hauptsächlich aus Regressions- und Varianzanalysen, oder Strukturgleichungsmodelle für komplexere Modelle. Diese Analysemethoden bauen auf der Analyse von Kovarianzstrukturen auf. Hier liegt jedoch der Haken: Kovarianzen können interessante Muster verdecken, die entscheidend für die richtige Interpretation der Daten wären! Die Methode der Support Vector Machines kann durch "überwachtes Lernen" neue Muster von Zusammenhängen zwischen Variablen erkennen, die nicht erkennbar wären durch die konventionellen Methoden. Diese Zusammenhänge sind visualisierbar und damit intuitiv verständlich, selbst im multidimensionalen Raum, und eignen sich sehr gut für Prediktion.

Raum: FR 6508