Ein Einzelhändler hat ein einfaches lineares Modell erstellt, um den Umsatz anhand des Preises vorherzusagen, und das Residuen-Diagramm zeigt ein klares nicht-lineares Muster. Welche Maßnahmen sollte der ML-Ingenieur als Nächstes ergreifen, um die Vorhersagegenauigkeit zu verbessern? (Wählen Sie drei.)

Ein nicht-lineares Muster in den Residuen eines linearen Modells zeigt an, dass das Modell die zugrunde liegende Beziehung in den Daten nicht adäquat erfasst. Um die Vorhersagegenauigkeit zu verbessern, kann man die Daten aufteilen und separate Modelle für verschiedene Bereiche erstellen, da die Beziehung in verschiedenen Segmenten der Daten unterschiedlich sein könnte. Die Anwendung geeigneter nicht-linearer Transformationen auf die Eingabemerkmale (z.B. Logarithmus, Quadratwurzel) kann helfen, die Beziehung zu linearisieren und das lineare Modell besser anzupassen. Alternativ kann man das lineare Modell durch ein inhärent nicht-lineares Modell (z.B. Entscheidungsbäume, Support Vector Machines mit nicht-linearem Kernel, neuronale Netze) ersetzen, das komplexe Muster direkt modellieren kann. Das Heruntertasten des Datensatzes oder das Verschieben von Eingabewerten würde das Problem der Nicht-Linearität nicht lösen und könnte zu Informationsverlust oder fehlerhaften Daten führen.