{"id":1218,"date":"2023-07-27T06:02:37","date_gmt":"2023-07-27T06:02:37","guid":{"rendered":"https:\/\/statorials.org\/de\/klassifizierungs-und-regressionsbaume-in-r\/"},"modified":"2023-07-27T06:02:37","modified_gmt":"2023-07-27T06:02:37","slug":"klassifizierungs-und-regressionsbaume-in-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/klassifizierungs-und-regressionsbaume-in-r\/","title":{"rendered":"So passen sie klassifizierungs- und regressionsb\u00e4ume in r an"},"content":{"rendered":"

<\/p>\n

\n

Wenn die Beziehung zwischen einem Satz von Pr\u00e4diktorvariablen und einer Antwortvariablen<\/a> linear ist, k\u00f6nnen Methoden wie die multiple lineare Regression<\/a> genaue Vorhersagemodelle erstellen.<\/span><\/p>\n

Wenn jedoch die Beziehung zwischen einer Reihe von Pr\u00e4diktoren und einer Reaktion komplexer ist, k\u00f6nnen nichtlineare Methoden h\u00e4ufig genauere Modelle erzeugen.<\/span><\/p>\n

Eine solche Methode sind Klassifizierungs- und Regressionsb\u00e4ume<\/a> (CART), die eine Reihe von Pr\u00e4diktorvariablen verwendet, um Entscheidungsb\u00e4ume zu erstellen, die den Wert einer Antwortvariablen vorhersagen.<\/span><\/p>\n

Wenn die Antwortvariable kontinuierlich ist, k\u00f6nnen wir Regressionsb\u00e4ume erstellen, und wenn die Antwortvariable kategorisch ist, k\u00f6nnen wir Klassifizierungsb\u00e4ume erstellen.<\/span><\/p>\n

In diesem Tutorial wird erkl\u00e4rt, wie man Regressions- und Klassifizierungsb\u00e4ume in R erstellt.<\/span><\/p>\n

Beispiel 1: Erstellen eines Regressionsbaums in R<\/strong><\/span><\/h3>\n

F\u00fcr dieses Beispiel verwenden wir den Hitters-<\/strong> Datensatz aus dem ISLR-<\/strong> Paket, der verschiedene Informationen zu 263 professionellen Baseballspielern enth\u00e4lt.<\/span><\/p>\n

Wir werden diesen Datensatz verwenden, um einen Regressionsbaum zu erstellen, der die Pr\u00e4diktorvariablen von Homeruns<\/em> und gespielten Jahren<\/em> verwendet, um das Gehalt<\/em> eines bestimmten Spielers vorherzusagen.<\/span><\/p>\n

F\u00fchren Sie die folgenden Schritte aus, um diesen Regressionsbaum zu erstellen.<\/span><\/p>\n

Schritt 1: Laden Sie die erforderlichen Pakete.<\/strong><\/span><\/p>\n

Zuerst laden wir die notwendigen Pakete f\u00fcr dieses Beispiel:<\/span><\/p>\n

 library<\/span> (ISLR) #contains Hitters dataset<\/span>\nlibrary<\/span> (rpart) #for fitting decision trees<\/span>\nlibrary<\/span> (rpart.plot) #for plotting decision trees\n<\/span><\/strong><\/pre>\n
 Schritt 2: Erstellen Sie den ersten Regressionsbaum.<\/strong><\/span><\/p>\n
 Zun\u00e4chst erstellen wir einen gro\u00dfen anf\u00e4nglichen Regressionsbaum. Wir k\u00f6nnen garantieren, dass der Baum gro\u00df ist, indem wir einen kleinen Wert f\u00fcr cp<\/strong> verwenden, was f\u00fcr \u201eKomplexit\u00e4tsparameter\u201c steht.<\/span><\/p>\n
 Das bedeutet, dass wir weitere Aufteilungen des Regressionsbaums durchf\u00fchren, solange das Gesamt-R-Quadrat des Modells mindestens um den durch cp angegebenen Wert zunimmt.<\/span><\/p>\n
 Anschlie\u00dfend verwenden wir die Funktion printcp(),<\/strong> um die Modellergebnisse auszudrucken:<\/span><\/p>\n
 #build the initial tree\n<\/span>tree <- rpart(Salary ~ Years + HmRun, data=Hitters, control=rpart. control<\/span> (cp= .0001<\/span> ))\n\n#view results<\/span>\nprintcp(tree)\n\nVariables actually used in tree construction:\n[1] HmRun Years\n\nRoot node error: 53319113\/263 = 202734\n\nn=263 (59 observations deleted due to missingness)\n\n           CP nsplit rel error xerror xstd\n1 0.24674996 0 1.00000 1.00756 0.13890\n2 0.10806932 1 0.75325 0.76438 0.12828\n3 0.01865610 2 0.64518 0.70295 0.12769\n4 0.01761100 3 0.62652 0.70339 0.12337\n5 0.01747617 4 0.60891 0.70339 0.12337\n6 0.01038188 5 0.59144 0.66629 0.11817\n7 0.01038065 6 0.58106 0.65697 0.11687\n8 0.00731045 8 0.56029 0.67177 0.11913\n9 0.00714883 9 0.55298 0.67881 0.11960\n10 0.00708618 10 0.54583 0.68034 0.11988\n11 0.00516285 12 0.53166 0.68427 0.11997\n12 0.00445345 13 0.52650 0.68994 0.11996\n13 0.00406069 14 0.52205 0.68988 0.11940\n14 0.00264728 15 0.51799 0.68874 0.11916\n15 0.00196586 16 0.51534 0.68638 0.12043\n16 0.00016686 17 0.51337 0.67577 0.11635\n17 0.00010000 18 0.51321 0.67576 0.11615\nn=263 (59 observations deleted due to missingness)\n<\/span><\/span><\/strong><\/pre>\n
 Schritt 3: Beschneiden Sie den Baum.<\/strong><\/span><\/p>\n
 Als n\u00e4chstes beschneiden wir den Regressionsbaum, um den optimalen Wert f\u00fcr cp (den Komplexit\u00e4tsparameter) zu finden, der zum niedrigsten Testfehler f\u00fchrt.<\/span><\/p>\n
 Beachten Sie, dass der optimale Wert f\u00fcr cp derjenige ist, der zum niedrigsten x-Fehler<\/strong> in der vorherigen Ausgabe f\u00fchrt, der den Fehler bei den Beobachtungen aus den Kreuzvalidierungsdaten darstellt.<\/span> <\/p>\n
 #identify best cp value to use\nbest <- tree$cptable[which. min<\/span> (tree$cptable[,\" xerror<\/span> \"]),\" CP<\/span> \"]\n\n#produce a pruned tree based on the best cp value\n<\/span>pruned_tree <- prune<\/span> (tree, cp=best)\n\n#plot the pruned tree\n<\/span>prp(pruned_tree,\n    faclen= 0<\/span> , #use full names for factor labels<\/span>\n    extra= 1<\/span> , #display number of obs. for each terminal node<\/span>\n    roundint= F<\/span> , #don't round to integers in output<\/span>\n    digits= 5<\/span> ) #display 5 decimal places in output\n<\/span><\/span><\/span><\/span><\/strong><\/pre>\n
\"Regressionsbaum<\/p>\n
 Wir k\u00f6nnen sehen, dass der endg\u00fcltig beschnittene Baum sechs Endknoten hat. Jeder Blattknoten zeigt das vorhergesagte Gehalt der Spieler in diesem Knoten sowie die Anzahl der Beobachtungen aus dem Originaldatensatz an, die zu dieser Klasse geh\u00f6ren.<\/span><\/p>\n
 Wir k\u00f6nnen beispielsweise sehen, dass es im urspr\u00fcnglichen Datensatz 90 Spieler mit weniger als 4,5 Jahren Erfahrung gab und ihr Durchschnittsgehalt 225,83.000 $ betrug.<\/span> <\/p>\n
\"Interpretation<\/p>\n
 Schritt 4: Verwenden Sie den Baum, um Vorhersagen zu treffen.<\/strong><\/span><\/p>\n
 Wir k\u00f6nnen den endg\u00fcltig beschnittenen Baum verwenden, um das Gehalt eines bestimmten Spielers basierend auf seiner jahrelangen Erfahrung und seinen durchschnittlichen Homeruns vorherzusagen.<\/span><\/p>\n
 Beispielsweise hat ein Spieler, der \u00fcber 7 Jahre Erfahrung und durchschnittlich 4 Homeruns verf\u00fcgt, ein erwartetes Gehalt von 502,81.000 $<\/strong> .<\/span> <\/p>\n
\"Beispiel<\/p>\n
 Wir k\u00f6nnen die Funktion \u201epredict()\u201c<\/strong> in R verwenden, um dies zu best\u00e4tigen:<\/span><\/p>\n
 #define new player\nnew <- data.frame(Years=7, HmRun=4)\n\n<\/span>#use pruned tree to predict salary of this player\npredict(pruned_tree, newdata=new)\n\n502.8079<\/span><\/span><\/span><\/strong><\/pre>\n
 Beispiel 2: Erstellen eines Klassifizierungsbaums in R<\/strong><\/span><\/h3>\n
 F\u00fcr dieses Beispiel verwenden wir den ptitanic-<\/strong> Datensatz aus dem Paket rpart.plot<\/strong> , der verschiedene Informationen \u00fcber die Passagiere an Bord der Titanic enth\u00e4lt.<\/span><\/p>\n
 Wir werden diesen Datensatz verwenden, um einen Klassifizierungsbaum zu erstellen, der die Pr\u00e4diktorvariablen Klasse<\/em> , Geschlecht<\/em> und Alter<\/em> verwendet, um vorherzusagen, ob ein bestimmter Passagier \u00fcberlebt hat oder nicht.<\/span><\/p>\n
 F\u00fchren Sie die folgenden Schritte aus, um diesen Klassifizierungsbaum zu erstellen.<\/span><\/p>\n
 Schritt 1: Laden Sie die erforderlichen Pakete.<\/strong><\/span><\/p>\n
 Zuerst laden wir die notwendigen Pakete f\u00fcr dieses Beispiel:<\/span><\/p>\n
 library<\/span> (rpart) #for fitting decision trees<\/span>\nlibrary<\/span> (rpart.plot) #for plotting decision trees\n<\/span><\/strong><\/pre>\n
 Schritt 2: Erstellen Sie den anf\u00e4nglichen Klassifizierungsbaum.<\/strong><\/span><\/p>\n
 Zun\u00e4chst erstellen wir einen gro\u00dfen anf\u00e4nglichen Klassifizierungsbaum. Wir k\u00f6nnen garantieren, dass der Baum gro\u00df ist, indem wir einen kleinen Wert f\u00fcr cp<\/strong> verwenden, was f\u00fcr \u201eKomplexit\u00e4tsparameter\u201c steht.<\/span><\/p>\n
 Das bedeutet, dass wir weitere Aufteilungen des Klassifizierungsbaums durchf\u00fchren, solange die Gesamtmodellanpassung mindestens um den durch cp angegebenen Wert zunimmt.<\/span><\/p>\n
 Anschlie\u00dfend verwenden wir die Funktion printcp(),<\/strong> um die Modellergebnisse auszudrucken:<\/span><\/p>\n
 #build the initial tree\n<\/span>tree <- rpart(survived~pclass+sex+age, data=ptitanic, control=rpart. control<\/span> (cp= .0001<\/span> ))\n\n#view results<\/span>\nprintcp(tree)\n\nVariables actually used in tree construction:\n[1] age pclass sex   \n\nRoot node error: 500\/1309 = 0.38197\n\nn=1309 \n\n      CP nsplit rel error xerror xstd\n1 0.4240 0 1.000 1.000 0.035158\n2 0.0140 1 0.576 0.576 0.029976\n3 0.0095 3 0.548 0.578 0.030013\n4 0.0070 7 0.510 0.552 0.029517\n5 0.0050 9 0.496 0.528 0.029035\n6 0.0025 11 0.486 0.532 0.029117\n7 0.0020 19 0.464 0.536 0.029198\n8 0.0001 22 0.458 0.528 0.029035\n<\/span><\/span><\/strong><\/pre>\n
 Schritt 3: Beschneiden Sie den Baum.<\/strong><\/span><\/p>\n
 Als N\u00e4chstes beschneiden wir den Regressionsbaum, um den optimalen Wert f\u00fcr cp (den Komplexit\u00e4tsparameter) zu finden, der zum niedrigsten Testfehler f\u00fchrt.<\/span><\/p>\n
 Beachten Sie, dass der optimale Wert f\u00fcr cp derjenige ist, der zum niedrigsten x-Fehler<\/strong> in der vorherigen Ausgabe f\u00fchrt, der den Fehler bei den Beobachtungen aus den Kreuzvalidierungsdaten darstellt.<\/span> <\/p>\n
 #identify best cp value to use\nbest <- tree$cptable[which. min<\/span> (tree$cptable[,\" xerror<\/span> \"]),\" CP<\/span> \"]\n\n#produce a pruned tree based on the best cp value\n<\/span>pruned_tree <- prune<\/span> (tree, cp=best)\n\n#plot the pruned tree\n<\/span>prp(pruned_tree,\n    faclen= 0<\/span> , #use full names for factor labels\n    extra= 1<\/span> , #display number of obs. for each terminal node\n    roundint= F<\/span> , #don't round to integers in output\n    digits= 5<\/span> ) #display 5 decimal places in output\n<\/span><\/span><\/span><\/strong><\/pre>\n
\"Baumklassifizierung<\/p>\n
 Wir k\u00f6nnen sehen, dass der endg\u00fcltig beschnittene Baum 10 Endknoten hat. Jeder Endknoten gibt die Anzahl der verstorbenen Passagiere sowie die Anzahl der \u00dcberlebenden an.<\/span><\/p>\n
 Im Knoten ganz links sehen wir beispielsweise, dass 664 Passagiere starben und 136 \u00fcberlebten.<\/span> <\/p>\n
\"Interpretation<\/p>\n
 Schritt 4: Verwenden Sie den Baum, um Vorhersagen zu treffen.<\/strong><\/span><\/p>\n
 Wir k\u00f6nnen den endg\u00fcltig beschnittenen Baum verwenden, um die \u00dcberlebenswahrscheinlichkeit eines bestimmten Passagiers basierend auf seiner Klasse, seinem Alter und seinem Geschlecht vorherzusagen.<\/span><\/p>\n
 Beispielsweise hat ein m\u00e4nnlicher Passagier im Alter von 8 Jahren und in der 1. Klasse eine \u00dcberlebenswahrscheinlichkeit von 11\/29 = 37,9 %.<\/span> <\/p>\n
\"Baumklassifizierung<\/p>\n
 Den vollst\u00e4ndigen R-Code, der in diesen Beispielen verwendet wird, finden Sie hier<\/a> .<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"
Wenn die Beziehung zwischen einem Satz von Pr\u00e4diktorvariablen und einer Antwortvariablen linear ist, k\u00f6nnen Methoden wie die multiple lineare Regression genaue Vorhersagemodelle erstellen. Wenn jedoch die Beziehung zwischen einer Reihe von Pr\u00e4diktoren und einer Reaktion komplexer ist, k\u00f6nnen nichtlineare Methoden h\u00e4ufig genauere Modelle erzeugen. Eine solche Methode sind Klassifizierungs- und Regressionsb\u00e4ume (CART), die eine Reihe […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\nSo passen Sie Klassifizierungs- und Regressionsb\u00e4ume in R an<\/title>\n<meta name=\"description\" content=\"In diesem Tutorial wird anhand von Schritt-f\u00fcr-Schritt-Beispielen erl\u00e4utert, wie Klassifizierungs- und Regressionsb\u00e4ume in R angepasst werden.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/de\/klassifizierungs-und-regressionsbaume-in-r\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"So passen Sie Klassifizierungs- und Regressionsb\u00e4ume in R an\" \/>\n<meta property=\"og:description\" content=\"In diesem Tutorial wird anhand von Schritt-f\u00fcr-Schritt-Beispielen erl\u00e4utert, wie Klassifizierungs- und Regressionsb\u00e4ume in R angepasst werden.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/de\/klassifizierungs-und-regressionsbaume-in-r\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-27T06:02:37+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/arbre3.png\" \/>\n<meta name=\"author\" content=\"Dr. Benjamin Anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr. Benjamin Anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"5 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/de\/klassifizierungs-und-regressionsbaume-in-r\/\",\"url\":\"https:\/\/statorials.org\/de\/klassifizierungs-und-regressionsbaume-in-r\/\",\"name\":\"So passen Sie Klassifizierungs- und Regressionsb\u00e4ume in R an\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/de\/#website\"},\"datePublished\":\"2023-07-27T06:02:37+00:00\",\"dateModified\":\"2023-07-27T06:02:37+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0\"},\"description\":\"In diesem Tutorial wird anhand von Schritt-f\u00fcr-Schritt-Beispielen erl\u00e4utert, wie Klassifizierungs- und Regressionsb\u00e4ume in R angepasst werden.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/de\/klassifizierungs-und-regressionsbaume-in-r\/#breadcrumb\"},\"inLanguage\":\"de-DE\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/de\/klassifizierungs-und-regressionsbaume-in-r\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/de\/klassifizierungs-und-regressionsbaume-in-r\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Heim\",\"item\":\"https:\/\/statorials.org\/de\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"So passen sie klassifizierungs- und regressionsb\u00e4ume in r an\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/de\/#website\",\"url\":\"https:\/\/statorials.org\/de\/\",\"name\":\"Statorials\",\"description\":\"Ihr Leitfaden f\u00fcr statistische Kompetenz !\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de-DE\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0\",\"name\":\"Dr. Benjamin Anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de-DE\",\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr. Benjamin Anderson\"},\"description\":\"Hallo, ich bin Benjamin, ein pensionierter Statistikprofessor, der sich zum engagierten Statorials-Lehrer entwickelt hat. Mit umfassender Erfahrung und Fachwissen auf dem Gebiet der Statistik bin ich bestrebt, mein Wissen zu teilen, um Studenten durch Statorials zu bef\u00e4higen. Mehr wissen\",\"sameAs\":[\"https:\/\/statorials.org\/de\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"So passen Sie Klassifizierungs- und Regressionsb\u00e4ume in R an","description":"In diesem Tutorial wird anhand von Schritt-f\u00fcr-Schritt-Beispielen erl\u00e4utert, wie Klassifizierungs- und Regressionsb\u00e4ume in R angepasst werden.","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:\/\/statorials.org\/de\/klassifizierungs-und-regressionsbaume-in-r\/","og_locale":"de_DE","og_type":"article","og_title":"So passen Sie Klassifizierungs- und Regressionsb\u00e4ume in R an","og_description":"In diesem Tutorial wird anhand von Schritt-f\u00fcr-Schritt-Beispielen erl\u00e4utert, wie Klassifizierungs- und Regressionsb\u00e4ume in R angepasst werden.","og_url":"https:\/\/statorials.org\/de\/klassifizierungs-und-regressionsbaume-in-r\/","og_site_name":"Statorials","article_published_time":"2023-07-27T06:02:37+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/arbre3.png"}],"author":"Dr. Benjamin Anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr. Benjamin Anderson","Gesch\u00e4tzte Lesezeit":"5 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/de\/klassifizierungs-und-regressionsbaume-in-r\/","url":"https:\/\/statorials.org\/de\/klassifizierungs-und-regressionsbaume-in-r\/","name":"So passen Sie Klassifizierungs- und Regressionsb\u00e4ume in R an","isPartOf":{"@id":"https:\/\/statorials.org\/de\/#website"},"datePublished":"2023-07-27T06:02:37+00:00","dateModified":"2023-07-27T06:02:37+00:00","author":{"@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0"},"description":"In diesem Tutorial wird anhand von Schritt-f\u00fcr-Schritt-Beispielen erl\u00e4utert, wie Klassifizierungs- und Regressionsb\u00e4ume in R angepasst werden.","breadcrumb":{"@id":"https:\/\/statorials.org\/de\/klassifizierungs-und-regressionsbaume-in-r\/#breadcrumb"},"inLanguage":"de-DE","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/de\/klassifizierungs-und-regressionsbaume-in-r\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/de\/klassifizierungs-und-regressionsbaume-in-r\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Heim","item":"https:\/\/statorials.org\/de\/"},{"@type":"ListItem","position":2,"name":"So passen sie klassifizierungs- und regressionsb\u00e4ume in r an"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/de\/#website","url":"https:\/\/statorials.org\/de\/","name":"Statorials","description":"Ihr Leitfaden f\u00fcr statistische Kompetenz !","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de-DE"},{"@type":"Person","@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0","name":"Dr. Benjamin Anderson","image":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/image\/","url":"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","contentUrl":"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","caption":"Dr. Benjamin Anderson"},"description":"Hallo, ich bin Benjamin, ein pensionierter Statistikprofessor, der sich zum engagierten Statorials-Lehrer entwickelt hat. Mit umfassender Erfahrung und Fachwissen auf dem Gebiet der Statistik bin ich bestrebt, mein Wissen zu teilen, um Studenten durch Statorials zu bef\u00e4higen. Mehr wissen","sameAs":["https:\/\/statorials.org\/de"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts\/1218"}],"collection":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/comments?post=1218"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts\/1218\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/media?parent=1218"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/categories?post=1218"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/tags?post=1218"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}