Vorhersage der Kraftstoffeffizienz (MPG) durch maschinelles Lernen DE
-
- Deutsch ausgewählt
48,90 €
inkl. gesetzl. MwSt.,
Beschreibung
Produktdetails
Einband
Taschenbuch
Erscheinungsdatum
09.04.2026
Verlag
Verlag Unser WissenSeitenzahl
56
Maße (L/B/H)
22/15/0,4 cm
Gewicht
102 g
Sprache
Deutsch
ISBN
978-620-9-87159-7
Die Kraftstoffeffizienz spielt eine entscheidende Rolle bei der Entwicklung von Fahrzeugen, der ökologischen Nachhaltigkeit und der Leistungsanalyse. In diesem Projekt wird ein Ansatz des maschinellen Lernens zur Vorhersage von Meilen pro Gallone (MPG) vorgestellt, der Fahrzeugmerkmale aus dem bekannten Auto MPG-Datensatz verwendet, der im UCI Machine Learning Repository verfügbar ist.Der Datensatz wird einer Vorverarbeitung unterzogen, die die Behandlung fehlender Werte, die Konvertierung von Datentypen und die Auswahl wichtiger numerischer Attribute umfasst. Zwei Vorhersagemodelle - lineare Regression und Random Forest Regressor - werden implementiert und anhand von Standardregressionsmetriken wie mittlerer absoluter Fehler (MAE), mittlerer quadratischer Fehler (MSE) und R²-Wert bewertet. Das Random-Forest-Modell schneidet deutlich besser ab, was auf seine Stärke bei der Erfassung nichtlinearer Muster in den Fahrzeugeigenschaften hinweist.Die Studie unterstreicht das Potenzial des maschinellen Lernens zur Unterstützung der Analyse der Automobileffizienz und der Vorhersage des Kraftstoffverbrauchs. Zukünftige Verbesserungen können Modelloptimierung, fortschrittliche Algorithmen, Echtzeit-Vorhersagesysteme und die Bereitstellung über eine Webschnittstelle umfassen.
Ein neues Kapitel für Ihre Bücher
Ein neues Kapitel für Ihre Bücher
Schenken Sie Ihren alten Schätzen ein zweites Leben: Einfach Barcode scannen, Versandetikett ausdrucken, Bücher verschicken und Thalia Geschenkkarte erhalten.
Jetzt verkaufenKundinnen und Kunden meinen
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kund*innen durch Ihre Meinung
Kurze Frage zu unserer Seite
Vielen Dank für Ihr Feedback
Wir nutzen Ihr Feedback, um unsere Produktseiten zu verbessern. Bitte haben Sie Verständnis, dass wir Ihnen keine Rückmeldung geben können. Falls Sie Kontakt mit uns aufnehmen möchten, können Sie sich aber gerne an unseren Kund*innenservice wenden.
zum Kundenservice