Abstract:
Der Vortrag stellt das gleichnamige Paper von Matthäus Kleindessner und Ulrike von Luxburg aus dem Jahr 2017 vor. Es schlägt eine Brücke zwischen der Datenanalyse auf rein ordinaler Ebene und den Methoden des Maschinellen Lernens. Für Daten, die lediglich in Form von Ähnlichkeitstripeln der Form "Objekt A ist ähnlicher zu Objekt B, als zu Objekt C" vorliegen, werden Kernel-Funktionen vorgeschlagen, die die Verarbeitung solcher Daten durch Kernelmethoden wie Kernel PCA oder hierarchischer Clusteranalyse ermöglichen.
Ort: INB Seminarraum
Zeit: 11:00 Uhr
