Die lineare Regression ist ein Verfahren des maschinellen Lernens, das einen Zahlenwert als gewichtete Summe seiner Einflussgrößen schätzt. Für jede Einflussgröße wird ein Gewicht bestimmt, und die Vorhersage ist die Summe der gewichteten Werte plus einem festen Anteil.
- Lineare Regression
Ein Lernverfahren, das einen Zahlenwert als gewichtete Summe seiner Einflussgrößen schätzt.
Beispiel: „Die lineare Regression sagte den Umsatz aus Fläche, Lage und Öffnungszeiten vorher.“Das Verfahren ist älter als jede KI und stammt aus der Statistik des 19. Jahrhunderts. Es zählt dennoch zum maschinellen Lernen, weil die Gewichte aus Daten bestimmt werden.
Was es voraussetzt: einen Zusammenhang, der sich als Gerade beschreiben lässt. Wo die Wirklichkeit Kurven schlägt, trifft es daneben, es sei denn, die Einflussgrößen werden vorher umgeformt.
Warum sie als Vergleichsmaßstab unverzichtbar ist
Weil sie in Minuten gerechnet ist und eine Messlatte liefert. Bevor jemand ein aufwendiges Verfahren einsetzt, sollte feststehen, wie weit die einfachste Rechnung kommt. In überraschend vielen Fällen liegt der Abstand bei wenigen Prozentpunkten, und dann ist das einfache Verfahren die bessere Wahl: schneller, billiger, erklärbar.
Was man an ihr ablesen kann
Die Richtung und die Stärke jedes Einflusses. Ein Gewicht von minus zwölf sagt unmittelbar, dass dieser Faktor den Zielwert senkt, und um wie viel je Einheit. Diese Auskunft ist für Fachbereiche oft wertvoller als die Vorhersage selbst, weil sie eine Handlung nahelegt.
Wo die Falle liegt
Im Schluss von Zusammenhang auf Ursache. Ein hohes Gewicht bedeutet, dass beide Größen gemeinsam auftreten, und nicht, dass die eine die andere bewirkt. Wer auf dieser Grundlage eingreift, erlebt häufig, dass sich nichts ändert. Dieser Fehler ist alt, verbreitet und in Berichten aus Datenauswertungen regelmäßig zu finden. Die saubere Formulierung lautet deshalb: Der Faktor geht mit dem Zielwert einher. Wer über die Ursache etwas sagen will, braucht einen Versuchsaufbau und keine Auswertung vorhandener Zahlen. Im Marketing ist das der Unterschied zwischen einer Auswertung und einem A/B-Test.