Lineare und polynomiale Regression

Können Anna und Karl das Alter der Titanic-Passagiere mit Hilfe des Vornamens schätzen? Zunächst betrachten die beiden Trainees fünf sehr einfache Modelle. Diese bewerten sie mit Hilfe verschiedener Güte- und Fehlermaße der Regression: Bestimmtheitsmaß, Mean Squared Error (MSE) bzw. Root Mean Squared Error (RMSE), Mean Absolute Error (MAE) und Mean Absolute Percentage Error (MAPE). Danach widmen sich Anna und Karl der linearen und polynomialen Regression. Die Methode der kleinsten Quadrate bestimmt die Regressionskoeffizienten so, dass die Anpassung der Schätzfunktion möglichst gut an die gegebenen Trainingsdaten erfolgt. Karl benutzt dann noch den T-Test, um Attribute zu eliminieren, die keinen wesentlichen Einfluss auf das Ergebnis haben. Anna verwendet dagegen Regularisierungsmethoden wie Ridge, LASSO und Elastic-Net, um einer möglichen Überanpassung entgegenzuwirken. Schließlich vergleichen die beiden Trainees ihre trainierten Modelle miteinander.