Du weißt nun, wie Prognosemodelle evaluiert werden. Jetzt starten wir mit den Verfahren des maschinellen Lernens selbst. In diesem Video befassen wir uns intensiver mit der linearen Regression. Wir schauen uns die sogenannte Geradengleichung und die Methoden der kleinsten Quadrate an, mit deren Hilfe wir eine optimale Regressionsgerade finden und Prognosen machen können. Anhand eines Daten- bzw. Zahlenbeispiels lernen wir die Idee und Vorgehensweise dieses Verfahrens kennen. Abschließend diskutieren wir kurz einige Vor- und Nachteile der linearen Regression. Nach diesem Video kannst du ... ... die Geradengleichung erläutern. ... die Idee der Methode der kleinsten Quadrate erläutern. ... anhand eines einfachen Beispiels den prognostizierten Output für eine neue Beobachtung berechnen. ... Vor- und Nachteile der linearen Regression erläutern.