{"id":165586,"date":"2023-02-01T19:49:02","date_gmt":"2023-02-01T18:49:02","guid":{"rendered":"https:\/\/datascientest.com\/de\/?p=165586"},"modified":"2023-10-29T20:11:12","modified_gmt":"2023-10-29T19:11:12","slug":"scatter-plot","status":"publish","type":"post","link":"https:\/\/datascientest.com\/de\/scatter-plot","title":{"rendered":"Scatter Plot: Definition und Apps"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"165586\" class=\"elementor elementor-165586\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-e34fe51 e-flex e-con-boxed e-con\" data-id=\"e34fe51\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-0ef9fa8 elementor-widget elementor-widget-heading\" data-id=\"0ef9fa8\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h2 class=\"elementor-heading-title elementor-size-default\">Die Visualisierung von Daten in der Welt der Datenwissenschaft ist heutzutage das Herzst\u00fcck der Machine-Learning-Pipeline. Die Datenvisualisierung ist somit einer der Schritte in der Datenwissenschaft, der direkt nach dem Sammeln, Bereinigen und Normalisieren der Daten stattfindet. Eine der am h\u00e4ufigsten verwendeten Grafiken ist heutzutage der Scatter-Plot. Mithilfe von Scatterplots k\u00f6nnen wir Daten analysieren und die Wechselwirkungen zwischen Variablen erkennen.<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-49ae911 e-flex e-con-boxed e-con\" data-id=\"49ae911\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-942587c elementor-widget elementor-widget-heading\" data-id=\"942587c\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Was genau ist ein Scatter Plot?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-28b9568 elementor-widget elementor-widget-text-editor\" data-id=\"28b9568\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<p><span style=\"font-weight: 400;\">Scatterplots, auch <\/span><b>Scattergram, <\/b><span style=\"font-weight: 400;\">Scattergraph oder <\/span><b>Scatterchart <\/b><span style=\"font-weight: 400;\">genannt, sind eine Art <\/span><b>Punktwolkendiagramm, <\/b><span style=\"font-weight: 400;\">das darstellt, wie eine Variable von einer anderen beeinflusst wird. Die vertikale Achse oder Ordinatenachse wird verwendet, um eine der Variablen darzustellen, und eine horizontale Achse oder Abszissenachse f\u00fcr die andere Variable.\u00a0<\/span><\/p><p><b>Im Gegensatz zu Pie-Charts, die <\/b><span style=\"font-weight: 400;\">eher f\u00fcr <\/span><b>kategoriale <\/b><span style=\"font-weight: 400;\">Variablen geeignet sind, werden Scatter-Plots h\u00e4ufig verwendet, um eine <\/span><b>Korrelation <\/b><span style=\"font-weight: 400;\">zwischen <\/span><b>quantitativen Variablen darzustellen, die miteinander verbunden zu sein <\/b><span style=\"font-weight: 400;\">scheinen. Beispielsweise kann die Durchschnittstemperatur eines Tages die Anzahl der in einem Supermarkt verkauften Flaschen mit kaltem Wasser beeinflussen.\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">So kann man durch die Darstellung dieser Punkte ableiten, ob die Beziehung zwischen der Durchschnittstemperatur eines Tages und der Anzahl der verkauften Flaschen frischen Wassers eher <\/span><b>linear <\/b><span style=\"font-weight: 400;\">oder <\/span><b>nicht linear<\/b><span style=\"font-weight: 400;\">, <\/span><b>stark <\/b><span style=\"font-weight: 400;\">oder <\/span><b>schwach oder positiv <\/b><span style=\"font-weight: 400;\">oder <\/span><b>negativ <\/b><span style=\"font-weight: 400;\">ist.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-b05580c e-flex e-con-boxed e-con\" data-id=\"b05580c\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-dc57532 elementor-widget elementor-widget-heading\" data-id=\"dc57532\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Welche Anwendungen gibt es f\u00fcr den Scatter Plot?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8cb7ca8 elementor-widget elementor-widget-heading\" data-id=\"8cb7ca8\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">1. Analyse der Beziehungen zwischen Variablen<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6d7ec2d elementor-widget elementor-widget-text-editor\" data-id=\"6d7ec2d\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<ul><li style=\"font-weight: 400\"><b>Starke \/ schwache Beziehung<\/b><\/li><\/ul><p><span style=\"font-weight: 400\">Die St\u00e4rke eines Scatter-Plots wird anhand der <\/span><b>Streuung <\/b><span style=\"font-weight: 400\">seiner Punkte beurteilt. Wenn die Punkte sehr <\/span><b>breit gestreut sind, ist <\/b><span style=\"font-weight: 400\">der Zusammenhang zwischen den Variablen <\/span><b>schwach<\/b><span style=\"font-weight: 400\">. Wenn die Punkte <\/span><b>um eine Gerade herum konzentriert sind, ist <\/b><span style=\"font-weight: 400\">der Zusammenhang zwischen den Variablen <\/span><b>stark<\/b><span style=\"font-weight: 400\">.<\/span><\/p><ul><li style=\"font-weight: 400\"><b>Positive \/ negative Beziehung<\/b><\/li><\/ul><p><span style=\"font-weight: 400\">Eine wichtige Komponente einer Punktwolke ist die <\/span><b>Richtung der Beziehung <\/b><span style=\"font-weight: 400\">zwischen den Variablen. Man spricht von einer <\/span><b>positiven Korrelation, <\/b><span style=\"font-weight: 400\">wenn die x- und y-Koordinaten <\/span><b>gleichzeitig ansteigen<\/b><span style=\"font-weight: 400\">. Wenn du dir das Alter eines Kindes und seine K\u00f6rpergr\u00f6\u00dfe ansiehst, wirst du feststellen, dass das Kind mit zunehmendem Alter auch gr\u00f6\u00dfer wird. Es handelt sich um eine <\/span><b>positive Beziehung zwischen den Variablen<\/b><span style=\"font-weight: 400\">.\u00a0<\/span><\/p><p><b>Im <\/b><span style=\"font-weight: 400\">umgekehrten <\/span><b>Fall<\/b><span style=\"font-weight: 400\">, wenn die Werte auf der <\/span><b>x-Achse steigen <\/b><span style=\"font-weight: 400\">und die Werte auf der <\/span><b>y-Achse sinken <\/b><span style=\"font-weight: 400\">(oder umgekehrt), dann kann man daraus schlie\u00dfen, dass die <\/span><b>Beziehung negativ ist<\/b><span style=\"font-weight: 400\">. Wenn du dir z. B. das Alter eines Autos und seinen Wert ansiehst, wirst du feststellen, dass das Auto mit zunehmendem Alter an Wert verliert. Es handelt sich hierbei um eine <\/span><b>negative Korrelation<\/b><span style=\"font-weight: 400\">.<\/span><\/p><ul><li style=\"font-weight: 400\"><b>Lineare \/ nichtlineare Beziehung<\/b><\/li><\/ul><p><span style=\"font-weight: 400\">Die <\/span><b>Form der <\/b><span style=\"font-weight: 400\">Punktwolke l\u00e4sst uns auf die <\/span><b>Linearit\u00e4t der Daten <\/b><span style=\"font-weight: 400\">schlie\u00dfen. Wenn die Punktwolke einer <\/span><b>geraden Linie <\/b><span style=\"font-weight: 400\">\u00e4hnelt, ist die Beziehung <\/span><b>linear<\/b><span style=\"font-weight: 400\">. Daraus l\u00e4sst sich ableiten, dass eine Variable ungef\u00e4hr <\/span><b>gleich schnell <\/b><span style=\"font-weight: 400\">ansteigt, wenn sich die andere Variable um eine Einheit \u00e4ndert.\u00a0 Wenn das Scatterplot die Form einer <\/span><b>Kurve oder einer anderen Form hat, wird <\/b><span style=\"font-weight: 400\">die Beziehung zwischen den Variablen als <\/span><b>nichtlinear <\/b><span style=\"font-weight: 400\">bezeichnet.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e6892d9 elementor-widget elementor-widget-image\" data-id=\"e6892d9\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"768\" height=\"355\" src=\"https:\/\/datascientest.com\/de\/files\/2022\/11\/seaborn-graphique-1.webp\" class=\"attachment-large size-large wp-image-165590\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2022\/11\/seaborn-graphique-1.webp 768w, https:\/\/datascientest.com\/de\/files\/2022\/11\/seaborn-graphique-1-300x139.webp 300w\" sizes=\"(max-width: 768px) 100vw, 768px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4a11cb8 elementor-align-center button-principal elementor-widget elementor-widget-button\" data-id=\"4a11cb8\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-md\" href=\"https:\/\/datascientest.com\/de\/unsere-aus-und-weiterbildungen\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Entdecken Sie unsere Kurse in Data Science<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3b42401 elementor-widget elementor-widget-heading\" data-id=\"3b42401\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">2. Cluster und Ausrei\u00dfer identifizieren<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-652dcc2 elementor-widget elementor-widget-text-editor\" data-id=\"652dcc2\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><b>Lass uns zun\u00e4chst Cluster <\/b><span style=\"font-weight: 400\">und <\/span><b>Outlier <\/b><span style=\"font-weight: 400\">definieren.<\/span><\/p><ul><li style=\"font-weight: 400\"><b>Cluster<\/b><\/li><\/ul><p><span style=\"font-weight: 400\">Ein <\/span><b>Cluster <\/b><span style=\"font-weight: 400\">in der Data Science ist eine <\/span><b>Unterpopulation eines <\/b><span style=\"font-weight: 400\">gr\u00f6\u00dferen Datensatzes, in dem jeder Datenpunkt n\u00e4her an einem <\/span><b>Zentroid <\/b><span style=\"font-weight: 400\">(<\/span><b>Zentrum eines Clusters<\/b><span style=\"font-weight: 400\">) liegt als an den Zentroiden im Datensatz. <\/span><b>Clustering ist nach wie vor eine der am h\u00e4ufigsten <\/b><span style=\"font-weight: 400\">verwendeten Methoden des un\u00fcberwachten Lernens. Es kann f\u00fcr eine Vielzahl von Anwendungen eingesetzt werden, u. a. f\u00fcr die <\/span><b>Segmentierung von Kunden, die Analyse sozialer Netzwerke oder Empfehlungssysteme.<\/b><\/p><ul><li style=\"font-weight: 400\"><b>Outlier<\/b><\/li><\/ul><p><span style=\"font-weight: 400\">Ein <\/span><b>Ausrei\u00dfer <\/b><span style=\"font-weight: 400\">in der Datenwissenschaft ist eine Beobachtung, die sich von anderen Beobachtungen <\/span><b>unterscheidet. <\/b><span style=\"font-weight: 400\">Bei der Erhebung von Daten kann es vorkommen, dass der Datensatz <\/span><b>Extremwerte<\/b><span style=\"font-weight: 400\"> enth\u00e4lt, die au\u00dferhalb des erwarteten Datenbereichs liegen. Diese Werte werden als <\/span><b>Ausrei\u00dfer <\/b><span style=\"font-weight: 400\">bezeichnet.<\/span><\/p><p><span style=\"font-weight: 400\">Im Gegensatz zu den <\/span><b>Pie-Charts<\/b><span style=\"font-weight: 400\">, die uns nicht erlauben, <\/span><b>Cluster <\/b><span style=\"font-weight: 400\">und <\/span><b>Ausrei\u00dfer zu <\/b><span style=\"font-weight: 400\">identifizieren, erlauben uns die <\/span><b>Scatter-Plots, <\/b><span style=\"font-weight: 400\">unsere Daten besser zu analysieren, um das richtige <\/span><b>Preprocessing zu <\/b><span style=\"font-weight: 400\">starten und den am besten geeigneten <\/span><b>Machine-Learning-Algorithmus <\/b><span style=\"font-weight: 400\">f\u00fcr unser Problem auszuw\u00e4hlen.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-768e928 elementor-widget elementor-widget-heading\" data-id=\"768e928\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">3. Lineare Regression anwenden<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-cce47bb elementor-widget elementor-widget-text-editor\" data-id=\"cce47bb\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Regressionsmodelle untersuchen die Beziehung zwischen einer <\/span><b>abh\u00e4ngigen Variablen <\/b><span style=\"font-weight: 400\">(<\/span><b>Ziel<\/b><span style=\"font-weight: 400\">) und einer oder mehreren <\/span><b>unabh\u00e4ngigen <\/b><span style=\"font-weight: 400\">Variablen (<\/span><b>Pr\u00e4diktor<\/b><span style=\"font-weight: 400\">). Hier sind einige der h\u00e4ufigsten Regressionsmodelle:<\/span><\/p><ul><li style=\"font-weight: 400\"><b>Lineare Regression: <\/b><span style=\"font-weight: 400\">Die lineare Regression hat die Form einer <\/span><b>geraden Linie und stellt <\/b><span style=\"font-weight: 400\">eine lineare Beziehung zwischen dem Ziel (Y) und dem Pr\u00e4diktor (X) her.<\/span><\/li><li style=\"font-weight: 400\"><b>Polynomiale Regression: <\/b><span style=\"font-weight: 400\">Die polynomiale Regression hat die Form einer <\/span><b>Kurve und stellt <\/b><span style=\"font-weight: 400\">eine nichtlineare Beziehung zwischen dem Ziel (Y) und dem Pr\u00e4diktor (X) her.<\/span><\/li><\/ul><p><span style=\"font-weight: 400\">Trotz ihrer Einfachheit ist die lineare Regression ein <\/span><b>unglaublich m\u00e4chtiges <\/b><span style=\"font-weight: 400\">Werkzeug zur Analyse von Daten, die eine <\/span><b>lineare Form haben<\/b><span style=\"font-weight: 400\">. Dieser Algorithmus geh\u00f6rt zur Familie der <\/span><b>\u00fcberwachten Machine-Learning-Algorithmen<\/b><span style=\"font-weight: 400\">.\u00a0<\/span><\/p><p><span style=\"font-weight: 400\">Eine lineare Regression hat die Gleichung <\/span><b>y = mx+b. <\/b><span style=\"font-weight: 400\">Die Variable x wird als <\/span><b><i>unabh\u00e4ngige <\/i><\/b><span style=\"font-weight: 400\">oder <\/span><b><i>erkl\u00e4rende Variable <\/i><\/b><span style=\"font-weight: 400\">bezeichnet. Die Variable y wird als die <\/span><b><i>abh\u00e4ngige <\/i><\/b><span style=\"font-weight: 400\">oder <\/span><i><span style=\"font-weight: 400\">zu <\/span><\/i><b><i>erkl\u00e4rende Variable <\/i><\/b><span style=\"font-weight: 400\">bezeichnet.\u00a0<\/span><\/p><p><span style=\"font-weight: 400\">Die Scatter-Plots k\u00f6nnen <\/span><b>leicht <\/b><span style=\"font-weight: 400\">durch eine einfache lineare Regression <\/span><b>erg\u00e4nzt werden, <\/b><span style=\"font-weight: 400\">indem unsere Parameter m und b berechnet werden, um eine Regressionsgerade durch unsere Daten zu legen. Diese Berechnung der Parameter erfolgt \u00fcber die folgenden Beziehungen:<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-93ef0ce elementor-widget elementor-widget-image\" data-id=\"93ef0ce\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"800\" height=\"196\" src=\"https:\/\/datascientest.com\/de\/files\/2022\/11\/Formule_moyenne_et_regression-1.webp\" class=\"attachment-full size-full wp-image-165594\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2022\/11\/Formule_moyenne_et_regression-1.webp 800w, https:\/\/datascientest.com\/de\/files\/2022\/11\/Formule_moyenne_et_regression-1-300x74.webp 300w, https:\/\/datascientest.com\/de\/files\/2022\/11\/Formule_moyenne_et_regression-1-768x188.webp 768w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-de438f8 elementor-widget elementor-widget-text-editor\" data-id=\"de438f8\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Die Gleichung f\u00fcr die lineare Regression stellt sicher, dass der Abstand zwischen jedem Datenpunkt und der Regressionsgeraden minimiert wird. Allerdings musst du die folgenden Punkte \u00fcberpr\u00fcfen:<\/span><\/p><ul><li style=\"font-weight: 400\"><span style=\"font-weight: 400\">Die Beziehung zwischen den Daten sollte <\/span><b>linear <\/b><span style=\"font-weight: 400\">sein: Die Punktwolke sollte eine gerade Linie bilden, anstatt einer Kurve oder einer anderen Form.<\/span><\/li><li style=\"font-weight: 400\"><b>Die Additivit\u00e4tshypothese <\/b><span style=\"font-weight: 400\">muss \u00fcberpr\u00fcft werden. Das bedeutet, dass die \u00c4nderung in einem Merkmal der Zielvariable nicht von den Werten der anderen Merkmale <\/span><b>abh\u00e4ngt<\/b><span style=\"font-weight: 400\">. Nehmen wir als Beispiel ein Modell zur Prognose des Umsatzes eines Unternehmens mit zwei Merkmalen: die Anzahl der verkauften Stifte und die Anzahl der verkauften Hefte. Wenn das Unternehmen mehr Stifte verkauft, steigt der Umsatz mit Stiften, und das ist unabh\u00e4ngig von der Anzahl der verkauften Hefte. Wenn die Kunden, die Stifte kaufen, jedoch keine Hefte mehr kaufen, ist die Additivit\u00e4tshypothese nicht mehr erf\u00fcllt, da in diesem Fall der mit den Heften erzielte Umsatz vom Kauf der Stifte abh\u00e4ngt.<\/span><\/li><li style=\"font-weight: 400\"><span style=\"font-weight: 400\">Die Features <\/span><b>d\u00fcrfen nicht korreliert sein<\/b><span style=\"font-weight: 400\">. Das hei\u00dft, dass die Beobachtungen der Zielvariable nicht mit den vorherigen Beobachtungen zusammenh\u00e4ngen und die folgenden nicht beeinflussen.<\/span><\/li><\/ul><p><b>Fehler sind unabh\u00e4ngig <\/b><span style=\"font-weight: 400\">und identisch nach der Normalverteilung verteilt.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-7cedf97 e-flex e-con-boxed e-con\" data-id=\"7cedf97\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-d57a92a elementor-widget elementor-widget-heading\" data-id=\"d57a92a\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Welche Probleme gibt es mit Scatter Plots?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-cfb8c20 elementor-widget elementor-widget-heading\" data-id=\"cfb8c20\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">1. Unkorrelierte Daten<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-dad1e8f elementor-widget elementor-widget-text-editor\" data-id=\"dad1e8f\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">In dem Fall, dass wir keine Korrelationen oder Verbindungen zwischen unseren Daten haben, sind die Datenpunkte \u00fcberall verstreut und es kann keine <\/span><b>Interpretation <\/b><span style=\"font-weight: 400\">abgeleitet werden. Mit anderen Worten: Die Tatsache, dass wir den Wert einer Variablen kennen, gibt uns keine Vorstellung davon, was der Wert der anderen Variablen sein k\u00f6nnte. Wenn wir einen Scatterplot von zwei Variablen haben, deren <\/span><b>Korrelation null ist, wird <\/b><span style=\"font-weight: 400\">das Diagramm <\/span><b>keinen klaren Trend aufweisen<\/b><span style=\"font-weight: 400\">. Zum Beispiel ist die Korrelation zwischen der Menge an Kaffee, die eine Person konsumiert, und ihrem IQ-Wert gleich null. Mit anderen Worten: Die Tatsache, dass wir wissen, wie viel Kaffee eine Person trinkt, sagt nichts \u00fcber ihren IQ-Wert aus.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-dc383a1 elementor-widget elementor-widget-heading\" data-id=\"dc383a1\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">2. Gro\u00dfe Datenmenge<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-18630e8 elementor-widget elementor-widget-text-editor\" data-id=\"18630e8\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Bei gro\u00dfen Datens\u00e4tzen k\u00f6nnen sich die Punkte des Scatterplots \u00fcberlappen und <\/span><b>sich gegenseitig verdecken<\/b><span style=\"font-weight: 400\">. Dies wird als <\/span><b>Overplotting <\/b><span style=\"font-weight: 400\">bezeichnet und verdeckt die Trends und Beziehungen zwischen unseren beiden Variablen, was die Analyse erschwert. Es gibt also verschiedene L\u00f6sungen f\u00fcr dieses Problem:\u00a0<\/span><\/p><ul><li style=\"font-weight: 400\"><b>Wenn du die F\u00fcllfarbe <\/b><span style=\"font-weight: 400\">der Punkte, die unsere Daten repr\u00e4sentieren, <\/span><b>entfernst <\/b><span style=\"font-weight: 400\">oder ihre Gr\u00f6\u00dfe reduzierst, l\u00e4sst sich der Plot leichter analysieren und zeigt, wie sich die Punkte \u00fcberlappen.<\/span><\/li><li style=\"font-weight: 400\"><span style=\"font-weight: 400\">Eine andere einfache Technik, die sich oft als n\u00fctzlich erweist, besteht darin, <\/span><b>die Form von Datenpunkten, die <\/b><span style=\"font-weight: 400\">genug Platz einnehmen, wie z. B. Kreise oder Quadrate, in eine Form zu <\/span><b>\u00e4ndern, die nicht so <\/b><span style=\"font-weight: 400\">viel Platz einnimmt, wie z. B. Kreuze.\u00a0<\/span><\/li><li style=\"font-weight: 400\"><b>Die Anzahl der Beobachtungen zu reduzieren, wird ebenfalls <\/b><span style=\"font-weight: 400\">oft verwendet. Hierf\u00fcr gibt es zwei Methoden:<\/span><ul><li style=\"font-weight: 400\"><b>Daten filtern<\/b><span style=\"font-weight: 400\">: Hier geht es darum, nicht ben\u00f6tigte Daten zu l\u00f6schen, um die Anzahl der Daten zu reduzieren und die Lesbarkeit zu verbessern.<\/span><\/li><li style=\"font-weight: 400\"><b>Die Daten <\/b><span style=\"font-weight: 400\">auf mehrere Graphen zu <\/span><b>verteilen, <\/b><span style=\"font-weight: 400\">kann auch eine gute L\u00f6sung sein, wenn du keine Informationen verlieren willst.<\/span><\/li><\/ul><\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-2ba7084 e-flex e-con-boxed e-con\" data-id=\"2ba7084\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-0be6958 elementor-widget elementor-widget-text-editor\" data-id=\"0be6958\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Abschlie\u00dfend l\u00e4sst sich sagen, dass Pie-Charts eine hervorragende Alternative im Fall von kategorialen Variablen sein k\u00f6nnen. So gibt es verschiedene Bibliotheken f\u00fcr die Analyse und Visualisierung von Daten mit Python, z. B. <a href=\"https:\/\/datascientest.com\/matplotlib-tout-savoir\">Matplotlib<\/a>, <a href=\"https:\/\/datascientest.com\/seaborn\">Seaborn<\/a> oder auch <a href=\"https:\/\/plotly.com\/\">Plotly<\/a> !<\/p><p>Bist du bereit, deinen Scatter Plot zu zeichnen? Erfahre mehr \u00fcber die Analyse und Visualisierung von Scatter Plots sowie weitere Grafiken zur Datenvisualisierung auf <a href=\"https:\/\/datascientest.com\/en\/our-tracks\/data-visualisation\">DataScientest<\/a>.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f6f8024 elementor-align-center button-principal elementor-widget elementor-widget-button\" data-id=\"f6f8024\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-md\" href=\"https:\/\/datascientest.com\/de\/unsere-aus-und-weiterbildungen\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Erfahren Sie mehr \u00fcber unsere Schulungen in Data Science<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-f15d519 e-flex e-con-boxed e-con\" data-id=\"f15d519\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-6a2364c elementor-widget elementor-widget-html\" data-id=\"6a2364c\" data-element_type=\"widget\" data-widget_type=\"html.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<script type=\"application\/ld+json\">\r\n{\r\n  \"@context\": \"https:\/\/schema.org\",\r\n  \"@type\": \"FAQPage\",\r\n  \"mainEntity\": [{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"Was genau ist ein Scatter Plot?\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"Scatterplots, auch Scattergram, Scattergraph oder Scatterchart genannt, sind eine Art Punktwolkendiagramm, das darstellt, wie eine Variable von einer anderen beeinflusst wird. Die vertikale Achse oder Ordinatenachse wird verwendet, um eine der Variablen darzustellen, und eine horizontale Achse oder Abszissenachse f\u00fcr die andere Variable.\"\r\n    }\r\n  },{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"Welche Anwendungen gibt es f\u00fcr den Scatter Plot?\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"1. Analyse der Beziehungen zwischen Variablen\r\n2. Cluster und Ausrei\u00dfer identifizieren\r\n3. Lineare Regression anwenden\"\r\n    }\r\n  },{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"Welche Probleme gibt es mit Scatter Plots?\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"1. Unkorrelierte Daten\r\n2. Gro\u00dfe Datenmenge\"\r\n    }\r\n  }]\r\n}\r\n<\/script>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Die Visualisierung von Daten in der Welt der Datenwissenschaft ist heutzutage das Herzst\u00fcck der Machine-Learning-Pipeline. Die Datenvisualisierung ist somit einer der Schritte in der Datenwissenschaft, der direkt nach dem Sammeln, Bereinigen und Normalisieren der Daten stattfindet. Eine der am h\u00e4ufigsten verwendeten Grafiken ist heutzutage der Scatter-Plot. Mithilfe von Scatterplots k\u00f6nnen wir Daten analysieren und die [&hellip;]<\/p>\n","protected":false},"author":47,"featured_media":165589,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2454],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Scatter Plot: Definition und Apps<\/title>\n<meta name=\"description\" content=\"Eine der am h\u00e4ufigsten verwendeten Grafiken ist heutzutage der Scatter-Plot. Mithilfe von Scatterplots k\u00f6nnen wir Daten analysieren und...\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/de\/scatter-plot\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Scatter Plot: Definition und Apps\" \/>\n<meta property=\"og:description\" content=\"Die Visualisierung von Daten in der Welt der Datenwissenschaft ist heutzutage das Herzst\u00fcck der Machine-Learning-Pipeline. Die Datenvisualisierung ist\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/de\/scatter-plot\" \/>\n<meta property=\"og:site_name\" content=\"Weiterbildung Data Science | DataScientest.com\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/DataScientestEN\" \/>\n<meta property=\"article:published_time\" content=\"2023-02-01T18:49:02+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-10-29T19:11:12+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2022\/11\/scatter-plot.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1200\" \/>\n\t<meta property=\"og:image:height\" content=\"600\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Adriano R\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:site\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Adriano R\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"8 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/datascientest.com\/de\/scatter-plot#article\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/scatter-plot\"},\"author\":{\"name\":\"Adriano R\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/3d2560836c47019eb12b7b77f3a15378\"},\"headline\":\"Scatter Plot: Definition und Apps\",\"datePublished\":\"2023-02-01T18:49:02+00:00\",\"dateModified\":\"2023-10-29T19:11:12+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/datascientest.com\/de\/scatter-plot\"},\"wordCount\":1405,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"articleSection\":[\"Data Science\"],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/datascientest.com\/de\/scatter-plot#respond\"]}],\"copyrightYear\":\"2023\",\"copyrightHolder\":{\"@id\":\"https:\/\/datascientest.com\/#organization\"}},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/de\/scatter-plot\",\"url\":\"https:\/\/datascientest.com\/de\/scatter-plot\",\"name\":\"Scatter Plot: Definition und Apps\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/#website\"},\"datePublished\":\"2023-02-01T18:49:02+00:00\",\"dateModified\":\"2023-10-29T19:11:12+00:00\",\"description\":\"Eine der am h\u00e4ufigsten verwendeten Grafiken ist heutzutage der Scatter-Plot. Mithilfe von Scatterplots k\u00f6nnen wir Daten analysieren und...\",\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/de\/scatter-plot\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/de\/#website\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"name\":\"Weiterbildung Data Science | DataScientest.com\",\"description\":\"F\u00fchrender Anbieter von Schulungen im Bereich Data Science\",\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/datascientest.com\/de\/#organization\",\"name\":\"DataScientest\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"contentUrl\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"width\":301,\"height\":301,\"caption\":\"DataScientest\"},\"image\":{\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/DataScientestEN\",\"https:\/\/twitter.com\/DataScientest__\",\"https:\/\/www.linkedin.com\/company\/datascientest-germany\/\",\"https:\/\/www.tiktok.com\/@datascientest\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/3d2560836c47019eb12b7b77f3a15378\",\"name\":\"Adriano R\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/fbfbc3a7811c63caf3333396a123058f?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/fbfbc3a7811c63caf3333396a123058f?s=96&d=mm&r=g\",\"caption\":\"Adriano R\"},\"sameAs\":[\"user\"],\"url\":\"https:\/\/datascientest.com\/de\/author\/adriano-r\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Scatter Plot: Definition und Apps","description":"Eine der am h\u00e4ufigsten verwendeten Grafiken ist heutzutage der Scatter-Plot. Mithilfe von Scatterplots k\u00f6nnen wir Daten analysieren und...","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/de\/scatter-plot","og_locale":"de_DE","og_type":"article","og_title":"Scatter Plot: Definition und Apps","og_description":"Die Visualisierung von Daten in der Welt der Datenwissenschaft ist heutzutage das Herzst\u00fcck der Machine-Learning-Pipeline. Die Datenvisualisierung ist","og_url":"https:\/\/datascientest.com\/de\/scatter-plot","og_site_name":"Weiterbildung Data Science | DataScientest.com","article_publisher":"https:\/\/www.facebook.com\/DataScientestEN","article_published_time":"2023-02-01T18:49:02+00:00","article_modified_time":"2023-10-29T19:11:12+00:00","og_image":[{"width":1200,"height":600,"url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2022\/11\/scatter-plot.jpg","type":"image\/jpeg"}],"author":"Adriano R","twitter_card":"summary_large_image","twitter_creator":"@DataScientest__","twitter_site":"@DataScientest__","twitter_misc":{"Verfasst von":"Adriano R","Gesch\u00e4tzte Lesezeit":"8 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/datascientest.com\/de\/scatter-plot#article","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/scatter-plot"},"author":{"name":"Adriano R","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/3d2560836c47019eb12b7b77f3a15378"},"headline":"Scatter Plot: Definition und Apps","datePublished":"2023-02-01T18:49:02+00:00","dateModified":"2023-10-29T19:11:12+00:00","mainEntityOfPage":{"@id":"https:\/\/datascientest.com\/de\/scatter-plot"},"wordCount":1405,"commentCount":0,"publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"articleSection":["Data Science"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/datascientest.com\/de\/scatter-plot#respond"]}],"copyrightYear":"2023","copyrightHolder":{"@id":"https:\/\/datascientest.com\/#organization"}},{"@type":"WebPage","@id":"https:\/\/datascientest.com\/de\/scatter-plot","url":"https:\/\/datascientest.com\/de\/scatter-plot","name":"Scatter Plot: Definition und Apps","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/#website"},"datePublished":"2023-02-01T18:49:02+00:00","dateModified":"2023-10-29T19:11:12+00:00","description":"Eine der am h\u00e4ufigsten verwendeten Grafiken ist heutzutage der Scatter-Plot. Mithilfe von Scatterplots k\u00f6nnen wir Daten analysieren und...","inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/de\/scatter-plot"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/de\/#website","url":"https:\/\/datascientest.com\/de\/","name":"Weiterbildung Data Science | DataScientest.com","description":"F\u00fchrender Anbieter von Schulungen im Bereich Data Science","publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/datascientest.com\/de\/#organization","name":"DataScientest","url":"https:\/\/datascientest.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","contentUrl":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","width":301,"height":301,"caption":"DataScientest"},"image":{"@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/DataScientestEN","https:\/\/twitter.com\/DataScientest__","https:\/\/www.linkedin.com\/company\/datascientest-germany\/","https:\/\/www.tiktok.com\/@datascientest"]},{"@type":"Person","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/3d2560836c47019eb12b7b77f3a15378","name":"Adriano R","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/fbfbc3a7811c63caf3333396a123058f?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/fbfbc3a7811c63caf3333396a123058f?s=96&d=mm&r=g","caption":"Adriano R"},"sameAs":["user"],"url":"https:\/\/datascientest.com\/de\/author\/adriano-r"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/165586"}],"collection":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/users\/47"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/comments?post=165586"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/165586\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media\/165589"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media?parent=165586"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/categories?post=165586"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/tags?post=165586"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}