Erfahren Sie, wann dieses Tool passt, was es unterstützt und wie Nutzer es anwenden.
Wichtige Fakten
Kategorie
Math & Numbers
Eingabetypen
textarea, checkbox, text, number
Ausgabetyp
json
Sample-Abdeckung
4
API bereit
Ja
Überblick
Der Logistische-Regression-Rechner ermöglicht die Anpassung binärer Klassifikationsmodelle mittels Gradientenabstieg direkt im Browser. Durch die Eingabe von CSV-Daten mit Prädiktoren und einer Zielvariablen berechnet das Tool präzise Wahrscheinlichkeiten und prognostiziert Klassen basierend auf individuellen Schwellenwerten.
Wann verwenden
Wenn Sie die Wahrscheinlichkeit eines binären Ereignisses basierend auf numerischen Einflussfaktoren berechnen möchten.
Zur schnellen Validierung von Klassifikationsmodellen ohne Installation komplexer Statistik-Software.
Wenn Sie Vorhersagen für neue Datenpunkte auf Basis eines vorhandenen Trainingsdatensatzes treffen müssen.
So funktioniert es
1Geben Sie Ihre Trainingsdaten im CSV-Format ein, wobei die Prädiktoren in den ersten Spalten und die Zielvariable (0 oder 1) in der letzten Spalte stehen.
2Konfigurieren Sie die Modellparameter wie Lernrate und Iterationen für den Gradientenabstieg sowie den Schwellenwert für die Klassifizierung.
3Fügen Sie optional neue Prädiktorwerte hinzu, für die eine spezifische Klassenprognose erstellt werden soll.
4Starten Sie die Berechnung, um die Modellgenauigkeit und die prognostizierte Klasse im JSON-Format zu erhalten.
Anwendungsfälle
Vorhersage der Kaufwahrscheinlichkeit von Kunden basierend auf demografischen Daten und Klickverhalten.
Medizinische Risikoanalyse zur Einstufung von Patienten in Risikogruppen anhand klinischer Parameter.
Qualitätskontrolle in der Fertigung zur Identifizierung von Ausschussware durch Sensormesswerte.
Beispiele
1. Kaufwahrscheinlichkeit im E-Commerce
Marketing-Analyst
Hintergrund
Ein Analyst möchte basierend auf Alter und Website-Besuchen vorhersagen, ob ein Kunde ein Abonnement abschließt.
Aufgabe
Manuelle Klassifizierung von Leads ist ineffizient und ungenau.
Verwendung
CSV-Daten mit Spalten für Alter, Besuche und Kaufstatus (0/1) einfügen und Prognosewerte für neue Leads eingeben.