Aus dem Kurs: Power BI mit Python
Erhalten Sie Zugriff auf diesen Kurs – mit einer kostenlosen Probeversion
Werden Sie noch heute Mitglied und erhalten Sie Zugriff auf mehr als 24.600 Kurse von Branchenfachleuten.
Theorie: lineare Regression
Aus dem Kurs: Power BI mit Python
Theorie: lineare Regression
Die lineare Regression ist ein etabliertes Verfahren im Bereich des überwachten maschinellen Lernens. Ihr Ziel ist es, eine möglichst präzise lineare Beziehung zwischen einer abhängigen Zielgröße wie zum Beispiel dem Umsatz und einer oder mehreren unabhängigen Variablen herzustellen. Besonders hilfreich wird die Methode dann, wenn man kontinuierliche Zielgrößen durch eine Vielzahl potenzieller Einflussgrößen erklären und verstehen möchte. Typische Einflussfaktoren auf den Umsatz könnte etwa die Bestellmenge, der gewährte Rabatt, das Alter der Kundschaft, der Produktpreis, die Werbeausgaben, Seitenaufrufe, die Click-Through-Rate oder die Anzahl der Newsletterklicks sein. Power BI bietet durch die Integration von Skripten im Power Query Editor eine direkte Möglichkeit, solche Regressionsmodelle analytisch zu nutzen und Ihre Ergebnisse interaktiv darzustellen. Die mathematische Grundlage bildet das Modell der multiplen linearen Regression. Dabei stehen Y für die Zielvariable, also die…
Üben mit Projektdateien
Laden Sie die Dateien herunter, die von den Trainer:innen verwendet werden. So können Sie mitlesen und durch Ansehen, Zuhören und Üben lernen.
Inhalt
-
-
-
-
-
-
-
Theorie: Einstieg ins Machine Learning – Grundlagen und Möglichkeiten6 Min. 34 Sek.
-
(Gesperrt)
Theorie: lineare Regression5 Min. 5 Sek.
-
(Gesperrt)
Variablen vorbereiten: »Alter« und »Anzahl Tage seit Kundenregistrierung«2 Min. 41 Sek.
-
(Gesperrt)
Lineare Regression erstellen und trainieren4 Min. 57 Sek.
-
(Gesperrt)
Prognosen erstellen und Modell evaluieren4 Min. 55 Sek.
-
(Gesperrt)
Vorhersagen in den Bericht laden2 Min. 38 Sek.
-
(Gesperrt)
Tatsächliche Umsätze und Prognosen plotten2 Min. 46 Sek.
-
(Gesperrt)
Residuen grafisch plotten4 Min. 7 Sek.
-
-
-
-
-