Hossein Amiri-Hormozaki

• Die Bachelorarbeit befasst sich mit dem Vergleich von Logistischer Regression und Deep Learning bei der Vorhersage von Schlaganfällen hinsichtlich der Frage, ob in einer binären Klassifikationsaufgabe die komplexe und aufwändige Methode des Deep Learnings sich bei Anwendung auf kleine tabellarische Datensätze bewährt oder ob Logistische Regression als Basismodell des Maschinellen Lernens effizienter ist. Methodisch werden folgende Schritte ausgeführt: Beschreibung beider Modelle, Durchführung der Datenvorbereitung unter Verwendung des „Stroke Prediction Dataset“ von Kaggle, Implementierung beider Methoden mit dem gleichen angepassten Datensatz. Der abschließende Vergleich benennt als Fazit die Unterschiede in den Ergebnissen und Voraussetzungen für den sinnvollen Einsatz beider Methoden. Eine Schlussfolgerung angesichts der geringen Ergebnisunterschiede hinsichtlich der Prognosegenauigkeit der Schlaganfallrisikos dürfte sein, dass Deep Learning, um ökonomisch sinnvoll bei tabellarischen in kleineren Datensätzen eingesetzt zu werden, aktuell noch nicht genügend bessere Ergebnisse vorweist.