Trainingsdaten aus dem Laufsport können erfahrenen Trainern oder intelligenter Software, wie beispielsweise PerPot (Endler, 2013), helfen, Training individueller zu steuern und Wettkampfprognosen abzugeben. Je nach Zielstellung sind allerdings nur Daten aus gewissen Trainingsmethoden von Interesse. Beispielsweise sind zur Unterstützung der Trainingssteuerung bei Intervalltrainingseinheiten auch nur Trainingsdaten mit Intervallcharakter von Interesse, während eine Wettkampfprognose eher von Trainingseinheiten aus der Kategorie Dauermethode profitieren kann. Momentan werden die Trainingsdaten von Experten gesichtet, um sie Trainingsmethoden zuordnen zu können. Diese Einteilungen sind sehr zeitaufwändig, da jede Trainingseinheit einzeln betrachtet und klassifiziert werden muss. Darüber hinaus ist die Wahl der Klasse eines Experten immer subjektiv und kann sich von der Wahl eines anderen Experten durchaus unterscheiden. Diese Arbeit untersucht alternative Einteilungsmöglichkeiten mit Hilfe von Machine Leaming Algorithmen. Ziel ist eine vollautomatisierte Einteilung von Trainingsdaten zu Trainingsmethoden. Das Verfahren soll eine schnelle und objektive Möglichkeit zum Einteilen von Trainingsdaten in Trainingsmethoden bieten.
© Copyright 2016 Sportinformatik XI : Jahrestagung der dvs-Sektion Sportinformatik 2016 in Magdeburg. Veröffentlicht von Shaker Verlag. Alle Rechte vorbehalten.