Maschinelles Lernen Grundlagen: Quiz und Übungen für Data Science

Question 1

Welche der folgenden Aussagen definiert überwachtes maschinelles Lernen zutreffend?

Accepted Answer

Es nutzt markierte Datensätze, um Prognosen zu erstellen.

Answer

Es stützt sich ausschließlich auf unmarkierte Datensätze.

Answer

Es kann sowohl markierte als auch unmarkierte Daten verarbeiten.

Answer

Es ist ausschließlich für Klassifizierungsaufgaben anwendbar.

Question 2

Welche Methode trägt zur Reduzierung von Überanpassung in maschinellen Lernmodellen bei?

Accepted Answer

Alle genannten Methoden

Answer

Regularisierung

Answer

Kreuzvalidierung

Answer

Merkmalsauswahl

Question 3

Welche Art des maschinellen Lernens kann komplexe Muster in Daten identifizieren?

Accepted Answer

Neuronale Netze

Answer

Lineares Lernen

Answer

Entscheidungsbäume

Answer

Support-Vektor-Maschinen

Question 4

Welche der folgenden Optionen ist keine Dimension des maschinellen Lernens?

Accepted Answer

Automatisiertes maschinelles Lernen

Answer

Überwachtes Lernen

Answer

Unüberwachtes Lernen

Answer

Verstärkungslernen

Question 5

Welche Aussage zur Zukunft des maschinellen Lernens ist korrekt?

Accepted Answer

Es wird in verschiedenen Branchen zunehmend an Bedeutung gewinnen.

Answer

Es wird menschliche Arbeitskräfte vollständig ersetzen.

Answer

Es wird an Komplexität verlieren.

Answer

Es wird an Relevanz verlieren.

Question 6

Welche Art des maschinellen Lernens trainiert ein Modell ohne markierte Daten?

Accepted Answer

Unüberwachtes Lernen

Answer

Überwachtes Lernen

Answer

Verstärkungslernen

Question 7

Welches Merkmal kennzeichnet überwachtes maschinelles Lernen?

Accepted Answer

Der Algorithmus lernt aus markierten Daten.

Answer

Der Algorithmus lernt ohne menschliche Anleitung.

Answer

Der Algorithmus maximiert eine Belohnungsfunktion.

Answer

Der Algorithmus erstellt neue Datenpunkte.

Question 8

Welche der folgenden Aussagen beschreibt überwachtes Lernen korrekt?

Accepted Answer

Es verwendet markierte Datensätze, um ein Modell zu trainieren.

Answer

Es kann nicht aus Daten lernen.

Answer

Es generiert seine eigenen Daten.

Question 9

Welches Hauptziel wird durch die Regularisierung beim maschinellen Lernen verfolgt?

Accepted Answer

Überanpassung reduzieren

Answer

Reduzierung der Lernrate

Question 10

Welche der aufgeführten Metriken wird typischerweise zur Evaluierung der Leistung von Klassifizierungsmodellen herangezogen?

Accepted Answer

F1-Score

Answer

R-Quadrat

Answer

Mittlerer absoluter Fehler

Question 11

Was sind Hyperparameter im Kontext des maschinellen Lernens?

Accepted Answer

Einstellbare Parameter, die das Verhalten des Lernalgorithmus steuern.

Answer

Parameter, die direkt aus den Daten gelernt werden.

Answer

Parameter, die die Modellstruktur definieren.

Question 12

Welche der folgenden Techniken dient der Reduzierung der Dimensionalität von Daten?

Accepted Answer

Hauptkomponentenanalyse (PCA)

Answer

Clusterbildung

Answer

Boosted Decision Trees

Question 13

Was ist der primäre Zweck der Feature-Skalierung bei der Datenvorverarbeitung?

Accepted Answer

Verbesserung der Modellleistung durch Standardisierung des Wertebereichs der Features.

Answer

Erhöhung der Interpretierbarkeit des Modells

Answer

Verringerung der Anzahl der Features

Question 14

Wie lassen sich ein maschinelles Modell und der zugrunde liegende Algorithmus voneinander abgrenzen?

Accepted Answer

Ein Modell repräsentiert die erlernten Muster in den Daten, während der Algorithmus das Modell generiert.

Answer

Ein Modell ist komplexer als ein Algorithmus.

Answer

Ein Algorithmus ist präziser als ein Modell.

Question 15

Welche der folgenden Aussagen beschreibt **überwachtes Lernen** am besten?

Accepted Answer

Der Algorithmus lernt Regeln aus bereits markierten Daten.

Answer

Der Algorithmus generiert neue Daten ohne menschliches Zutun.

Answer

Der Algorithmus findet Muster in unmarkierten Daten.

Answer

Der Algorithmus kann komplexe Probleme ohne menschliche Anleitung lösen.

Question 16

Welches der folgenden Modelle ist ein Beispiel für ein **lineares Modell**?

Accepted Answer

Lineare Regression

Answer

Support-Vektor-Maschine

Answer

Neuronales Netzwerk

Answer

Entscheidungsbaum

Question 17

Welches Maß wird typischerweise verwendet, um die Klassifizierungsleistung eines Modells zu bewerten?

Accepted Answer

Genauigkeit

Answer

Mittlerer absoluter Fehler

Answer

Varianz

Question 18

Wie unterscheidet sich ein **Zufallsforst** von einem einzelnen Entscheidungsbaum?

Accepted Answer

Ein Zufallsforst verwendet Bagging, um die Varianz des Modells zu reduzieren.

Answer

Ein Entscheidungsbaum hat eine größere maximale Tiefe.

Answer

Ein Zufallsforst kann nur numerische Features verarbeiten.

Question 19

Welcher Algorithmus wird häufig in **Clustering-Aufgaben** eingesetzt?

Accepted Answer

K-Means

Answer

Logistische Regression

Answer

Support-Vektor-Maschine

Answer

Lineare Diskriminanzanalyse

Question 20

Was ist der Hauptzweck einer **Regularisierungsstrategie** in Machine-Learning?

Accepted Answer

Überanpassung des Modells zu verhindern

Answer

Bias zu reduzieren

Answer

Die Trainingsgeschwindigkeit zu erhöhen

Answer

Die Genauigkeit des Modells zu verbessern

Question 21

Welche der folgenden Aussagen trifft auf **künstliche neuronale Netze** zu?

Accepted Answer

Sie können komplexe, nichtlineare Beziehungen modellieren.

Answer

Sie sind deterministisch und erzeugen immer die gleichen Ergebnisse für dieselben Eingaben.

Answer

Sie benötigen immer eine sehr große Menge an Trainingsdaten.

Question 22

Welches der folgenden Frameworks ist ein beliebtes Werkzeug für die Entwicklung von Machine-Learning-Modellen?

Accepted Answer

TensorFlow

Answer

Bootstrap

Answer

React

Answer

Angular

Question 23

Wie unterscheidet sich ein **Feature** von einem **Label** in einem Machine-Learning-Datensatz?

Accepted Answer

Ein Feature ist eine Eingabevariable, während ein Label die zu prognostizierende Zielvariable ist.

Answer

Ein Feature ist ein numerischer Wert, während ein Label eine Kategorie ist.

Answer

Ein Feature wird vom Modell erlernt, während ein Label vom Benutzer bereitgestellt wird.

Question 24

Welche der folgenden Aussagen beschreibt am besten unüberwachtes Lernen?

Accepted Answer

Identifizieren von Mustern oder Strukturen aus nicht markierten Daten

Answer

Erstellen einer Abbildungsfunktion aus markierten Daten

Answer

Treffen von Entscheidungen basierend auf Daten

Question 25

Welcher der folgenden Algorithmen ist ein Beispiel für einen Entscheidungsbaum?

Accepted Answer

ID3

Answer

Naive Bayes

Answer

K-Means

Answer

Support Vector Machine

Question 26

Welche Metrik wird verwendet, um die Leistung eines Klassifizierungsmodells zu messen, das zwei Klassen unterscheidet?

Accepted Answer

F1-Score

Answer

R-Quadrat

Answer

Mittlerer absoluter Fehler

Question 27

Was ist der Hauptzweck der Regularisierung in maschinellen Lernmodellen?

Accepted Answer

Überanpassung verhindern

Answer

Erhöhung der Modellgenauigkeit

Answer

Erhöhung der Modellkomplexität

Answer

Verkürzung der Trainingszeit

Question 28

Welche der folgenden Aussagen beschreibt am besten die Funktion eines neuronalen Netzes?

Accepted Answer

Erlernen nichtlinearer Beziehungen in Daten

Answer

Ausführen von Berechnungen

Answer

Speichern großer Datenmengen

Answer

Erstellen von Visualisierungen

Question 29

Welches der folgenden Probleme wird im maschinellen Lernen als Klassifizierungsproblem angesehen?

Accepted Answer

Ermitteln, ob eine E-Mail Spam ist

Answer

Generieren von Text aus Bildern

Answer

Erkennen von Clustern in Daten

Answer

Vorhersagen der Aktienkurse

Question 30

Was ist der primäre Zweck des maschinellen Lernens?

Accepted Answer

Computern das Lernen aus Daten ohne explizite Programmierung zu ermöglichen.

Answer

Die Automatisierung manueller Aufgaben durch Regeln.

Answer

Erstellung statischer Datenanalysemodelle.

Question 31

Welche Kategorie des maschinellen Lernens befasst sich mit der Erkennung von Mustern in unmarkierten Daten?

Accepted Answer

Unüberwachtes Lernen

Answer

Bestärkungslernen

Answer

Überwachtes Lernen

Question 32

Welcher der folgenden Algorithmen ist ein Beispiel für ein Modell für überwachtes Lernen?

Accepted Answer

Linearer Regressionsbaum

Answer

Genetischer Algorithmus

Answer

Selbstorganisierende Karte

Answer

K-Means-Clustering

Question 33

Welche Metrik wird häufig zur Bewertung der Leistung eines Klassifizierungsmodells verwendet?

Accepted Answer

F1-Score

Answer

Mittlerer absoluter Fehler

Answer

R-Quadrat

Answer

Korrelationskoeffizient

Question 34

Was ist das Hauptziel der Regularisierung in maschinellen Lernmodellen?

Accepted Answer

Überanpassung vermeiden

Answer

Die Vorhersagegenauigkeit verbessern

Answer

Die Modellkomplexität reduzieren

Question 35

Was ist die primäre Anwendung des Verstärkungslernens?

Accepted Answer

Lernen durch Versuch und Irrtum in sequenziellen Entscheidungsproblemen.

Answer

Erkennung von Mustern in unmarkierten Daten

Answer

Vorhersage kontinuierlicher Werte

Question 36

Nenne einen Algorithmus für lineare Klassifikation.

Accepted Answer

Logistische Regression

Answer

Entscheidungsbaum

Answer

K-Means-Clustering

Answer

Support Vector Machine

Question 37

Was ist das vorrangige Ziel der Regularisierung in maschinellen Lernmodellen?

Accepted Answer

Überanpassung verhindern

Answer

Anzahl der Features erhöhen

Answer

Trainingszeit verkürzen

Answer

Vorhersagegenauigkeit verbessern

Question 38

Welche Metrik wird üblicherweise zur Bewertung der Leistung von Regressionsmodellen verwendet?

Accepted Answer

Mittlerer quadratischer Fehler

Answer

F1-Score

Answer

Genauigkeit

Answer

AUC-ROC

Question 39

Welche Technik wird zur Verarbeitung kategorialer Features für maschinelles Lernen eingesetzt?

Accepted Answer

One-Hot-Encoding

Answer

Standardisierung

Answer

Min-Max-Skalierung

Question 40

Welcher Begriff beschreibt die Fähigkeit eines maschinellen Lernmodells, auf ungesehene Daten zu verallgemeinern?

Accepted Answer

Generalisierungsfähigkeit

Answer

Unteranpassung

Answer

Robustheit

Answer

Überanpassung

Question 41

Nenne den Unterschied zwischen einem Entscheidungsbaum und einem Zufallsforst.

Accepted Answer

Zufallsforste kombinieren mehrere Entscheidungsbäume, die auf zufälligen Datenteilmengen trainiert wurden.

Answer

Entscheidungsbäume sind immer tiefer als Zufallsforste.

Question 42

Erkläre den Zweck einer Aktivierungsfunktion in einem neuronalen Netzwerk.

Accepted Answer

Einführung nichtlinearer Beziehungen zwischen Eingaben und Ausgaben

Answer

Beschleunigung der Lernrate

Answer

Reduzierung der Anzahl der Schichten im Netzwerk