Zum Inhalt springen

Statistik

Statistik ist unbestritten eines der wichtigsten Bestandteile und Grundlage für jegliche Machine Learning Anwendungen. Somit sind grundlegende Kenntnisse in verschiedensten Bereichen dieses Teilgebietes auch unumgänglich, wenn man die Algorithmen hinter Machine Learning genauer verstehen will.

(Erfundene) Statistische Zusammenhänge | Foto: dilbert.com

Im Allgemeinen beschäftigen sich statistische Methoden damit, einen Zusammenhang zwischen verschiedenen Variablen und diese Rückschlüsse auch mathematisch ausdrücken zu können. Mit anderen Worten, es werden Ursache-Wirkung-Zusammenhänge (Kausalität) gesucht:

  • Wie viel besser wird die Note in einer Prüfung, wenn man mehr lernt?
  • Wie verändert sich das Wahlergebnis abhängig vom Wahlkampf, der betrieben wurde?
  • Ist es sicherer mit dem Flugzeug zu fliegen oder mit der Bahn zu fahren?

Um solche Zusammenhänge genauer untersuchen zu können, umfasst die Datenanalyse auch Werkzeuge um große Datenmengen auswerten, darstellen und zusammenfassen zu können. Grafische Auswertungen, wie Balken-, Torten- oder Liniendiagramme gehören somit genauso ins statistische Repertoire, wie die Berechnung von Mittelwerten oder Medianen.

Einige unserer Beiträge im Bereich Statistik

z-score

Was ist der z-score?

Lerne, wie man z-Scores in der Statistik berechnet und interpretiert. Verstehen der relativen Position von Datenpunkten innerhalb einer Verteilung.

F1-Score

Was ist der F1-Score?

Maximieren Sie die Leistung Ihres Modells mit dem F1-Score. Erfahren Sie in diesem Artikel mehr über die Definition, Interpretation und Grenzen.

Histogramm / Histogram

Was ist ein Histogramm?

Entdecken Sie die Performance von Histogrammen für die Visualisierung von Daten. Erfahren Sie, wie sie Einblicke in die Datenverteilung geben.

LDA

Was ist LDA (Latent Dirichlet Allocation)?

Entdecken Sie den Latent Dirichlet Allocation (LDA)-Algorithmus für die Themenmodellierung und decken Sie versteckte Muster in Textdaten auf.

Standardabweichung / Standard Deviation

Was ist die Standardabweichung?

Verstehen Sie die Standardabweichung: Definition, Berechnung und Interpretation. Lernen Sie, wie man die Variabilität von Daten misst.

Wort Bias in Buchstaben in Anlehnung an Selection Bias

Was ist der Selection Bias?

Erfahren Sie, wie Selection Bias Ihre Datenanalyse verfälschen können. Vermeiden Sie Fehler bei der Entscheidungsfindung nach diesem Artikel.

Unterschied zwischen statistischen Methoden und Stochastik

Im alltäglichen Sprachgebrauch wird die Wahrscheinlichkeitsrechnung oft fälschlicherweise auch der Statistik zugeordnet, obwohl dies nicht stimmt. Die Statistik ist lediglich ein Teilgebiet der sogenannten Stochastik. Diese umfasst neben der Datenanalyse auch die Wahrscheinlichkeitsrechnung, also alle Berechnungen rund um Zufallsexperimente, wie Münze werfen, Würfeln oder Wetten.

Das Bild zeigt eine Tafel mit dem Wort Stochastik angeschrieben. Darunter sind die Teilgebiete Statistik und Wahrscheinlichkeitsrechnung angeschrieben,
Stochastik und die Teilgebiete Statistik und Wahrscheinlichkeitsrechnung | Foto: Autor

Dies ist deswegen wichtig, da statistische Methoden keine Wahrscheinlichkeitsberechnungen enthalten, auch wenn dies manchmal fälschlicherweise behauptet wird. Im Großen und Ganzen sind statistische Berechnungen für Machine Learning Algorithmen deutlich wichtiger und bilden eine der bedeutendsten Grundlagen für ML. Wahrscheinlichkeiten werden innerhalb der Künstlichen Intelligenz lediglich bei der Ausgabe von Ergebnissen genutzt. Ein Machine Learning Algorithmus wird nie eine Vorhersage mit vollständiger Sicherheit treffen können. Stattdessen werden die Ergebnisse mit Wahrscheinlichkeiten ausgegeben, um auszudrücken, wie sicher sich der Algorithmus bei dem Ergebnis ist. Eine Wahrscheinlichkeit von 99,5% bedeutet also, dass sich das Modell sehr sicher ist, dass seine Vorhersage auch zutreffen wird.

Zusammenfassung

Statistische Methoden sind eine der wichtigsten Grundlagen, um Modelle im Bereich des Machine Learnings verstehen und richtig anwenden zu können. Die Beiträge in diesem Kapitel zielen darauf ab, die Methoden zu erklären, die für grundlegendes Machine Learning unverzichtbar sind.

Cookie Consent mit Real Cookie Banner