Datenqualität für Marktdaten verbessern durch den K-Nearest Neighbors Algorithmus
Wie kann Machine Learning bei fehlenden Marktdaten zur Verbesserung der Datenqualität beitragen?
Marktdaten sind die Basis für die Berechnung von Finanz- und Risikokennzahlen. Dabei ist die Qualität der Daten von großer Bedeutung. Ein Problem in diesem Zusammenhang sind fehlende Datenwerte. Bei dieser Problematik können Machine Learning Algorithmen helfen die fehlenden Marktdaten zu ergänzen.
Das folgende Karussell stellt diese Thematik kurz vor und gibt einen Einblick wie man mit Hilfe des K-Nearest Neighbors (K-NN) Algorithmus fehlende Marktdaten ergänzen kann.
Erstellt von Dr. Carsten Keller und Patrick T. Philipp
Referenzen im Karussell
[1] IBM. "What is the k-nearest neighbors algorithm?".
https://www.ibm.com/topics/knn
[2] Amey Band. "How to find the optimal value of K in KNN?".
https://towardsdatascience.com/how-to-find-the-optimal-value-of-k-in-knn-35d936e554eb
[*]: Link abgerufen am 20.02.2023
[**]: Die Verlinkungen verweisen auf externe Daten außerhalb unserer Domain. Trotz sorgfältiger inhaltlicher Kontrolle übernehmen wir keine Haftung für die Inhalte externer Links.
Erfahren Sie mehr zum Thema Business Cases:
Neugierig?
Entdecken Sie mehr über unsere Machine Learning Techniken
Wir stehen Ihnen bei Fragen zur Verfügung!