预测的作用（Role of Predictions）
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。 预测形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。 在这个完整的过程中，我们将数据从批处理历史数据转换为有关未来的实时数据。
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。 一些预测是基于权威人士的意见。
统计推断涉及各种预测。
有时预测是准确的，而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，分析当前和历史事实，以预测未来和未知事件。
预测分析需要培训数据。 训练有素的数据包括独立和相关的功能。 依赖特征是用户试图预测的值。 独立功能是根据相关功能描述我们想要预测的内容的功能。
特征研究称为特征工程; 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Agile data science的核心。
做出预测
有两种方法可以在敏捷数据科学中进行预测 -
Regression
Classification
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和分类变量的预测导致分类模型。
回归(Regression)
回归考虑包含要素的示例，从而产生数字输出。
分类(Classification)
分类采用输入并产生分类分类。
Note - 定义统计预测输入并使机器学习的示例数据集称为“训练数据”。