Spark: Der endgültige Leitfaden

Kapitel 27. Regression

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Regression ist eine logische Erweiterung der Klassifizierung. Anstatt nur einen einzelnen Wert aus einer Reihe von Werten vorherzusagen, geht es bei der Regression darum, eine reale Zahl (oder eine kontinuierliche Variable) aus einer Reihe von Merkmalen (dargestellt als Zahlen) vorherzusagen.

Die Regression kann schwieriger sein als die Klassifizierung, weil es aus mathematischer Sicht eine unendliche Anzahl möglicher Ausgabewerte gibt. Außerdem geht es darum, eine Kennzahl für den Fehler zwischen dem vorhergesagten und dem wahren Wert zu optimieren, im Gegensatz zu einer Genauigkeitsrate. Abgesehen davon sind sich Regression und Klassifizierung ziemlich ähnlich. Aus diesem Grund werden wir bei der Regression viele der gleichen grundlegenden Konzepte anwenden wie bei der Klassifizierung.

Anwendungsfälle

Die folgende ist eine kleine Auswahl von Regressionsfällen, die dich dazu bringen können, über mögliche Regressionsprobleme in deinem eigenen Bereich nachzudenken:

Kinobesucherzahlen vorhersagen

Wenn du Informationen über einen Film und das Kinopublikum hast, z. B. wie viele Leute den Trailer gesehen oder ihn in den sozialen Medien geteilt haben, kannst du vorhersagen, wie viele Leute den Film wahrscheinlich sehen werden, wenn er herauskommt.

Vorhersage der Unternehmenseinnahmen

Ausgehend von einem aktuellen Wachstumspfad, ...