Algorithmus variieren: Lineare Regression
Hier soll nun der für das maschinelle Lernen verwendete Algorithmus variiert werden. Statt der Entscheidungsbäume aus dem vorhergehenden Kapitel wird nun die sogenannte multiple lineare Regression verwendet. Zum Beispiel hier kannst du mehr über die Grundlagen von lineare Regressionerfahren.
Es sei noch angemerkt, dass die hier vorliegenden Lebensmitteldaten mit dem diskreten Zielkriterium entweder 0 (für ungesund) oder 1 (für gesund) als Grundlage für lineare Regression eher untypisch sind, da lineare Regression tendenziell eher für kontinuierliche Zielgrößen verwendet wird. Dennoch kann sie hier als einfaches Beispiel dienen, um den Algorithmus zu variieren und zu verstehen, wie er funktioniert. Beachte also, dass für die Vorhersagewerte mit linearer Regression nun, anders als vorher, alle kontinuierlichen Werte zwischen 0 und 1 möglich sind.