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。交互式报告揭示了数据的不同方面。预测构成了敏捷冲刺的第四层。
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。在这个完整的过程中，我们将数据从历史数据的批量处理转变为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。一些预测是基于统计推断。一些预测是基于专家的意见。
统计推断涉及各种预测。
有时预测准确，有时预测不准确。
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，以对未来和未知事件做出预测。
预测分析需要训练数据。训练数据包括独立特征和相关特征。相关特征是用户尝试预测的值。独立特征是描述我们想要基于依赖特征预测的事物的特征。
对特征的研究称为特征工程；这对于做出预测至关重要。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。
做出预测
在敏捷数据科学中进行预测有两种方法 -
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，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，从而产生数字输出。
分类
分类获取输入并产生分类。
注意- 定义统计预测的输入并使机器能够学习的示例数据集称为“训练数据”。