Einführung
Bei der Regression sagen Modelle eine Zahl vorher.
Beim maschinellen Lernen besteht das Ziel der Regression darin, ein Modell zu erstellen, das einen numerischen, quantifizierbaren Wert vorhersagen kann, z. B. einen Preis, eine Menge, eine Größe oder eine andere Skalarzahl.
Die Regression ist ein statistisches Verfahren, das für die Wissenschaft von grundlegender Bedeutung ist, da es einfach zu interpretieren sowie stabil und schnell zu berechnen ist. Regressionsmodelle bieten eine hervorragende Grundlage für das Verständnis der Funktionsweise komplexerer Machine Learning-Verfahren.
In realen Situationen, insbesondere wenn nur wenige Daten zur Verfügung stehen, sind Regressionsmodelle sehr hilfreich, um Vorhersagen zu treffen. Wenn z. B. ein Unternehmen, das Fahrräder vermietet, die erwartete Anzahl der Vermietungen an einem bestimmten Tag in der Zukunft vorhersagen möchte, kann ein Regressionsmodell diese Anzahl vorhersagen. Sie können ein Modell anhand vorhandener Daten erstellen, z. B. die Anzahl der Fahrräder, die an Tagen ausgeliehen wurden, an denen auch die Jahreszeit, der Wochentag usw. erfasst wurden.
Voraussetzungen
- Grundlegende Kenntnisse der Mathematik
- Programmiererfahrung mit Python
- Vertrautheit mit Jupyter Notebooks
Lernziele
Dieses Modul umfasst Folgendes:
- Anwendungsfälle für Regressionsmodelle
- Trainieren und Auswerten von Regressionsmodellen mithilfe des Scikit-Learn Frameworks