敏捷数据科学 - 预测的作用

在本章中，我们将了解预测在敏捷数据科学中的作用。交互式报表揭示了数据的不同方面。预测构成敏捷冲刺的第四层。

在进行预测时，我们总是参考过去的数据并将其用作未来迭代的推论。在这个完整过程中，我们将数据从历史数据的批量处理过渡到关于未来的实时数据。

预测的作用包括以下内容 -

• 预测有助于预测。一些预测基于统计推断。一些预测基于专家的意见。

• 统计推断涉及各种预测。

• 有时预测是准确的，有时预测是不准确的。

预测分析

预测分析包括来自预测建模、机器学习和数据挖掘的各种统计技术，这些技术分析当前和历史事实以预测未来和未知事件。

预测分析需要训练数据。训练数据包括自变量和因变量。因变量是用户试图预测的值。自变量是描述我们想要根据因变量预测的事物的特征。

对特征的研究称为特征工程；这对于进行预测至关重要。数据可视化和探索性数据分析是特征工程的一部分；这些构成了敏捷数据科学的核心。

进行预测

在敏捷数据科学中，有两种进行预测的方法 -

• 回归

• 分类

构建回归或分类完全取决于业务需求及其分析。连续变量的预测导致回归模型，而分类变量的预测导致分类模型。

回归

回归考虑包含特征的示例，从而产生数值输出。

分类

分类获取输入并产生分类分类。

注意 - 定义统计预测输入并使机器能够学习的示例数据集称为“训练数据”。