Prognosemodellierung
Prognosemodellierung bezeichnet die Erstellung quantitativer Modelle zur Vorhersage zukünftiger Zustände oder Ereignisse auf Basis historischer Daten sowie domänenspezifischen Wissens. Sie dient dazu, Unsicherheiten zu quantifizieren, Risiken abzuschätzen und fundierte Entscheidungen in Planung, Betrieb und Strategie zu unterstützen. Anwendungen finden sich in vielen Bereichen, von Gesundheit über Wirtschaft bis Umwelt.
Methodisch lässt sich Prognosemodellierung in statistische Ansätze und maschinelles Lernen unterteilen. Statistische Modelle umfassen lineare und
Typischer Ablauf: Definieren des Problems, Sammeln und Aufbereiten von Daten, Merkmals-Engineering, Modellwahl und Training, Validierung (einschließlich
Die Bewertung erfolgt mit Kennzahlen wie RMSE, MAE, R^2, Brier-Score oder AUC, sowie Kalibrierung und Stabilität