Zusammenfassung
Über eine beschreibende Analyse hinaus können mithilfe der Datenanalyse auch Vorhersagen getroffen werden. Sehr zentral ist dafür die Regressionsanalyse. Bei der linearen Regression wird vorausgesetzt, dass sich der Zusammenhang von zwei Werten als Gerade darstellen lässt. Die Bestimmung der Gerade erfolgt mithilfe der Methode der kleinsten Quadrate. Die Schätzung heißt Interpolation, wenn sich die relevante Stelle innerhalb des bekannten Bereichs befindet. Um eine Temperatur in der Zukunft vorherzusagen, ist eine Extrapolation notwendig. Solche Vorhersagen sollten nur dann getätigt werden, wenn ein besonders zuverlässiges Modell verwendet wird. In jedem Fall müssen neue Modelle und ihre Ergebnisse interpretiert werden. Eine Alternative kann es sein, den Datenausschnitt anzupassen. Es gibt auch nichtlineare Regressionen, die andere Ergebnisse liefern. Mit den passenden Python-Bibliotheken lassen sich Datenanalysen erheblich vereinfachen. Hierzu verwenden wir Numpy, Pandas und Scikit-learn.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2024 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Eichstädt, T., Spieker, S. (2024). Regressionsanalyse (mit Jupyter). In: 52 Stunden Informatik. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-41838-0_43
Download citation
DOI: https://doi.org/10.1007/978-3-658-41838-0_43
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-41837-3
Online ISBN: 978-3-658-41838-0
eBook Packages: Education and Social Work (German Language)