MACHINE LEARNING · PROJEKT 04
Projekt 16 · Machine Learning
Neuronale Netze · Schäden durch Wetterereignisse
Klassifikationsmodell zur Schätzung wirtschaftlicher Schäden durch Wetterereignisse, das logistische Regression und ein neuronales Netz anhand von NOAA-Storm-Events-Daten aus 2010–2025 vergleicht.
KONTEXT UND ZIEL
Das Projekt nutzt NOAA Storm Events, um zu klassifizieren, ob ein Wetterereignis wirtschaftliche Schäden verzeichnet. Der Vergleich von logistischer Regression und neuronalem Netz prüft, ob ein nichtlineares Modell die Erkennung verbessert und zugleich eine interpretierbare Baseline erhalten bleibt.
DATEN UND DIAGNOSE
Der Datensatz umfasst 1.037.691 Ereignisse aus 2010–2025 und verwendet 19 zeitliche, geografische und meteorologische Prädiktoren. Die Evaluation wahrt die zeitliche Reihenfolge: 2010–2021 für Training, 2022–2023 für Validierung und 2024–2025 als reservierter finaler Test.
ERGEBNIS UND LERNGEWINN
Im Testdatensatz 2024–2025 verbessert das neuronale Netz die logistische Regression bei ROC AUC (0,9324 vs. 0,8961), PR AUC (0,8004 vs. 0,6691) und F1 der positiven Klasse (0,6991 vs. 0,6042). Die Ergebnisse sind vorläufig, da das Projekt noch in Arbeit ist.