<p>Maschinelles Lernen enthüllt Muster im Brandfluchtverhalten</p> <p>Eine neue Studie, die auf einer umfangreichen MTurk‑Umfrage von Bewohnern in Kalifornien, Colorado und Oregon basiert, nutzt sowohl unüberwachtes als auch überwachtes maschinelles Lernen, um die komplexen Faktoren zu entschlüsseln, die das Verhalten bei Waldbrandflucht bestimmen. Durch Multiple Correspondence Analysis, K‑Modes Clustering und Latent Class Analysis wurden mehrere stabile Untergruppen identifiziert, die sich vor allem durch