In der Regressionsanalyse können Sie Lineare Regression und Nichtlineare Regression benutzen, um Bewertungsfunktionen automatisch zu definieren und damit numerische Zielgrößen zu ermitteln. Wenn Sie diese Bewertungsfunktionen erzeugen möchten, müssen Sie sie auf historischen Daten trainieren.
Nachdem Sie die Bewertungsfunktion entweder durch direkte Definition oder durch Training auf der Basis von historischen Daten bestimmt haben, können Sie sie auf andere Datenmengen als Bestandteil der Vorhersage anwenden.
Ein Getränkehandel möchte ein Produkt der gehobenen Preisklasse für eine jüngere Kundschaft in sein Sortiment nehmen.
Lineare Regression
Derselbe Getränkehandel möchte den potentiellen Getränkeumsatz abschätzen.
Unter der Annahme, dass der Getränkeumsatz linear
vom Einkommen und der Anzahl der Haushaltsmitglieder abhängt, wird eine Lineare Regression durchgeführt, und
zwar auf Daten, bei denen der Getränkeumsatz bereits bekannt ist. Beim Training wird ermittelt, welchen Einfluss
das Einkommen, die Anzahl der Haushaltsmitglieder und die Region auf den
Getränkeumsatz haben. Die auf diesen Daten trainierte Funktion kann nun
auf potentielle Kunden angewandt werden, für die der potentielle
Getränkeumsatz berechnet wird.
Nichtlineare Regression
§ Der Getränkehandel möchte den potentiellen Getränkeumsatz auch in Abhängigkeit vom Alter abschätzen. Der Umsatz hängt wahrscheinlich nicht linear vom Alter ab. Durch Nichtlineare Regression können auch nichtlineare Abhängigkeiten ausgewertet werden.
§ Ein Zeitungsverlag will Kunden mit hohem Kündigungspotential identifizieren. In seinem Kundendatenbestand befinden sich Angaben zu Alter, Einkommen, Haushaltsgröße, Bildung, Dauer des Abonnements, Region und darüber hinaus ein Feld zur Kündigung. Wenn der Kunde im vergangenen Quartal gekündigt hat, hat dieses Feld zur Kündigung den Wert 1, sonst hat es den Wert 0. Auf diesen Daten wird die Funktion Nichtlineare Regression trainiert. Das Trainingsergebnis zeigt das Verhältnis der verschiedenen Attribute der Kunden zum Feld zur Kündigung. Die trainierte Funktion liefert dann für jeden Kunden im Bestand eine Größe, die als Maß für das Kündigungspotential interpretiert werden kann.
Siehe auch
Besondere Einstellungen für die Regressionsanalyse