Kapitel 12 – Data Science Training

Vorbereitung der Regressionsanalyse

Max hat diese verrückte Idee. Anna und Karl sollen das Alter der Passagiere mit Hilfe einer Regressionsanalyse schätzen. Ein neues Feature ist der Vorname bzw. kann aus den Vornamen der Passagiere entwickelt werden. Das klingt auf den ersten Blick absurd. Jedenfalls folgen die beiden Trainees wieder dem Standard-Prozessmodell CRISP-DM. Da die Daten bereits bekannt sind, konzentrieren sie sich auf die Phase 3, die Datenvorbereitung. Diesmal ist das Zielattribut jedoch das Alter, welches kardinalskaliert ist. Anna und Karl führen Korrelationsanalysen zu den bestehenden Attributen und neuen Features durch. Sie lernen Gemeinsamkeiten und Unterschiede zwischen Korrelation und Regression sowie Besonderheiten der Korrelationskoeffizienten nach Bravais & Pearson kennen. Die Ergebnisse benutzen sie, um die Daten so aufzubereiten, dass sie diese in den nächsten Sprints für eine Regressionsanalyse verwenden können. Aus Neugier suchen sie in den Passagierdaten nach ihren eigenen Vornamen. Dabei entdecken Anna und Karl erstaunliche Parallelen zur heutigen Zeit.

Keywords: Interpolation vs. Extrapolation, Prognose, Regressionsanalyse, Korrelationsanalyse, Bravais & Pearson, Korrelationskoeffizient, linearer Zusammenhang, Stärke, Anscombe-Quartett.