Das Ziel der Merkmalsauswahl ist es, von einer Menge von Attributen (Merkmalen) eine Untermenge von Attributen zu bestimmen, die für ein vorgegebenes Problem relevant sind. In dieser Arbeit werden die Einflüsse von Merkmalsauswahl-Algorithmen auf die Qualität von Verkaufsdatenvorhersagen mittels Regression untersucht. Dabei kommen neben Wrapper- und Filter- Methoden auch zwei hybride Varianten zum Einsatz. Durch diese Methoden konnte für alle untersuchten Datensätze eine Steigerung der Prognosegenauigkeit erreicht werden. Besonders gute Ergebnisse lieferten im Regelfall jeweils eine der beiden Wrapper-Methoden mittels Forward Selection und Backward Elemination, sowie durch der genetische Algorithmus, der zudem schneller terminiert. Doch auch die Filter-Methoden konnten in manchen Fällen den Prognosefehler besonders stark mindern. Jedoch konnte kein Algorithmus ausgemacht werden, der durchgängig für alle Datensätze überdurchschnittliche Ergebnisse erzielt.

Mehr