Regressionsanalyse (mit Jupyter)

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.