Trainings- und Testdatensätze: Aufteilung und Kreuzvalidierung im Maschinellen Lernen

Question 1

Welche Methode der Datenaufteilung gewährleistet, dass die Verteilung der Zielvariablen in den Trainings- und Testdaten übereinstimmt?

Accepted Answer

Stratifizierte Aufteilung

Answer

Zufällige Aufteilung

Answer

Zeitliche Aufteilung

Answer

Clusterbasierte Aufteilung

Question 2

Was ist der primäre Zweck der Aufteilung von Daten in Trainings- und Testdatensätze?

Accepted Answer

Überanpassung verhindern

Answer

Modellgenauigkeit erhöhen

Answer

Modelllaufzeit verkürzen

Answer

Modellentwicklung überflüssig machen

Question 3

Welcher Vorteil ist mit der Verwendung eines separaten Testdatensatzes verbunden?

Accepted Answer

Unvoreingenommene Bewertung der Modellleistung

Answer

Verbesserte Trainingsgenauigkeit

Answer

Reduzierte Überanpassung

Answer

Vereinfachte Datenvorverarbeitung

Question 4

Welche Methode wird verwendet, um die Robustheit eines Modells zu bewerten?

Accepted Answer

Kreuzvalidierung

Answer

Gradientenabstieg

Answer

Regularisierung

Answer

Überprüfung

Question 5

Welches Problem tritt auf, wenn der Testdatensatz zu klein ist?

Accepted Answer

Geringere statistische Signifikanz der Ergebnisse

Answer

Einfachere Datenverarbeitung

Answer

Reduzierte Überanpassung

Answer

Verbesserte Modellgenauigkeit

Question 6

Welche Rolle spielt die Zufallsreihenfolge bei der Datenaufteilung?

Accepted Answer

Reduzierung von Verzerrungen

Answer

Verbesserung der Modellleistung

Answer

Vermeidung von Überanpassung

Answer

Erhöhung der Datenvarianz

Question 7

Welches Kriterium sollte bei der Schichtung von Daten für Trainings- und Testdatensätze beachtet werden?

Accepted Answer

Verteilung der Zielvariablen

Answer

Datenformat

Answer

Größe des Datensatzes

Question 8

Was ist das Hauptziel der Kreuzvalidierung?

Accepted Answer

Schätzung der Verallgemeinerungsleistung des Modells

Answer

Reduzierung des Overfittings

Answer

Analyse von Ausreißern

Answer

Auswahl der besten Modellhyperparameter

Question 9

Welche Art der Kreuzvalidierung verwendet k Folds für die Aufteilung der Daten?

Accepted Answer

k-fach Kreuzvalidierung

Answer

Holdout-Kreuzvalidierung

Answer

Stratifizierte Kreuzvalidierung

Answer

Leave-One-Out-Kreuzvalidierung

Question 10

Wie wird die Leistung eines Modells in der Kreuzvalidierung gemessen?

Accepted Answer

Durchschnittliche Metrik über alle Folds

Answer

Mediane Metrik über alle Folds

Answer

Minimaler Metrikwert über alle Folds

Answer

Maximaler Metrikwert über alle Folds

Question 11

Welche Metrik eignet sich am besten zur Bewertung der Leistung eines Klassifizierungsmodells?

Accepted Answer

AUC-ROC

Answer

Mittlerer absoluter Fehler

Answer

R-Quadrat

Answer

Mittleres quadratisches Fehlerrisiko

Question 12

Welche der folgenden Methoden ist die gängigste Vorgehensweise zur Aufteilung von Daten in Trainings- und Testdatensätze?

Accepted Answer

Zufällige Aufteilung

Answer

Sequenzielle Aufteilung

Answer

Stratifizierte Stichprobenziehung

Answer

Clustering

Question 13

Was ist der Hauptzweck der Kreuzvalidierung bei der Bewertung von Modellen?

Accepted Answer

Reduzierung der Varianz der Modellleistungsschätzung.

Answer

Beschleunigung des Trainingsprozesses.

Answer

Überwindung von Überanpassung.

Answer

Verbesserung der Interpretierbarkeit des Modells.

Question 14

Welcher Parameter wird in der k-fachen Kreuzvalidierung verwendet?

Accepted Answer

k

Answer

p

Answer

n

Answer

α

Question 15

Was ist ein wesentlicher Vorteil der Verwendung von Testdatensätzen?

Accepted Answer

Unvoreingenommene Schätzung der Modellleistung.

Answer

Reduzierung des Rechenaufwands.

Answer

Vereinfachung des Trainingsprozesses.

Answer

Erhöhung der Interpretierbarkeit des Modells.

Question 16

Welches Kriterium sollte bei der Auswahl von Testdatensätzen berücksichtigt werden?

Accepted Answer

Unabhängigkeit von den Trainingsdaten.

Answer

Vorhandensein von fehlenden Werten.

Answer

Größe des Datensatzes.

Answer

Anzahl der Merkmale.

Question 17

Welcher Schritt sollte vor der Aufteilung des Datensatzes in Trainings- und Testdatensätze durchgeführt werden?

Accepted Answer

Datenbereinigung und -vorverarbeitung

Answer

Modelltraining

Answer

Hyperparameteroptimierung

Answer

Modellbewertung

Question 18

Was ist ein wesentlicher Unterschied zwischen Trainings- und Testdatensätzen?

Accepted Answer

Trainingsdatensätze werden verwendet, um das Modell zu erstellen, während Testdatensätze verwendet werden, um seine Leistung zu bewerten.

Answer

Trainingsdatensätze sind in der Regel größer als Testdatensätze.

Question 19

Welche der folgenden Aussagen zur Kreuzvalidierung ist falsch?

Accepted Answer

Sie gibt immer eine optimistischere Schätzung der Modellleistung als Out-of-Sample-Tests.

Answer

Sie ist nützlich für kleine Datensätze.

Answer

Sie kann die Varianz der Modellbewertung reduzieren.

Question 20

Welches der folgenden Probleme kann durch die Verwendung eines Testdatensatzes gelöst werden?

Accepted Answer

Überanpassung

Answer

Modellinstabilität

Answer

Datenrauschen

Answer

Unteranpassung

Question 21

Welche der folgenden Metriken ist am besten geeignet, um die Leistung eines Klassifizierungsmodells zu bewerten?

Accepted Answer

AUC-ROC

Answer

R-Quadrat

Answer

MSE

Answer

MAE

Question 22

Welche der folgenden Aussagen beschreibt am besten die Herausforderung bei der Wahl der optimalen Anzahl von Features für ein maschinelles Lernmodell?

Accepted Answer

Der Bias-Varianz-Trade-off

Answer

Der Speicher-Rechenzeit-Trade-off

Answer

Der Kosten-Nutzen-Trade-off

Answer

Der Überanpassungs-Unteranpassungs-Trade-off

Question 23

Welche der folgenden Aussagen über die Verwendung von synthetischen Daten ist wahr?

Accepted Answer

Sie können das Problem kleiner Datensätze lösen.

Answer

Sie können alle Arten von Bias beseitigen.

Answer

Sie sind immer so gut wie reale Daten.

Answer

Sie erfordern keine Vorverarbeitung.

Question 24

Welcher der folgenden Begriffe beschreibt einen Datensatz, der verwendet wird, um ein Modell zu trainieren?

Accepted Answer

Trainingsdatensatz

Answer

Testdatensatz

Answer

Evaluierungsdatensatz

Answer

Validierungsdatensatz

Question 25

Welcher Vorteil ist mit der Verwendung eines Testdatensatzes verbunden?

Accepted Answer

Unvoreingenommene Bewertung der Modellleistung

Answer

Erhöhte Genauigkeit

Answer

Vereinfachte Datenexploration

Answer

Verbesserte Trainingszeit

Question 26

Welche der folgenden Aufteilungsmethoden für Datensätze führt tendenziell zu robusteren Modellen?

Accepted Answer

Stratifizierte Aufteilung

Answer

Geordnete Aufteilung

Answer

Sequentielle Aufteilung

Answer

Zufällige Aufteilung

Question 27

Welcher der folgenden Begriffe beschreibt eine Technik zur Bewertung der Modellleistung auf mehreren Teilmengen desselben Datensatzes?

Accepted Answer

Kreuzvalidierung

Answer

Holdout-Validierung

Answer

Ablagemethode

Question 28

Welcher Vorteil ist mit der k-fachen Kreuzvalidierung im Vergleich zur einfachen Validierung verbunden?

Accepted Answer

Robustere Leistungsschätzungen

Answer

Geringere Rechenzeit

Answer

Vereinfachte Implementierung

Question 29

Welche der folgenden Metriken wird häufig zur Bewertung der Leistung von Klassifikationsmodellen verwendet?

Accepted Answer

Genauigkeit

Answer

R-Quadrat-Wert

Answer

Korrelationskoeffizient

Answer

Mittlerer quadratischer Fehler

Question 30

Warum ist es wichtig, einen repräsentativen Testdatensatz zu verwenden?

Accepted Answer

Um die Generalisierungsleistung des Modells realistisch einzuschätzen

Answer

Um die Modellgenauigkeit zu verbessern

Answer

Um die Trainingszeit zu verkürzen

Question 31

Welches der folgenden Kriterien ist NICHT relevant bei der Aufteilung von Daten in Trainings- und Testdatensätze?

Accepted Answer

Datenformat

Answer

Datenverteilung

Answer

Datengröße

Answer

Datenrepräsentativität

Question 32

Welche der folgenden Techniken wird verwendet, um die Leistung eines Modells auf ungesehenen Daten zu bewerten?

Accepted Answer

Kreuzvalidierung

Answer

Bootstrapping

Answer

Bagging

Answer

Holdout-Validierung

Question 33

Was ist der optimale Anteil von Trainings- zu Testdaten?

Accepted Answer

Abhängig von der Datengröße und den Modellanforderungen

Answer

70:30

Answer

50:50

Question 34

Welchen Vorteil bietet die Kreuzvalidierung gegenüber der Holdout-Validierung?

Accepted Answer

Reduzierte Varianz in den Leistungsschätzungen

Answer

Bessere Verallgemeinerungsleistung

Answer

Geringerer Zeitaufwand

Answer

Keine Vorteile

Question 35

Was ist der Zweck einer Datentransformation vor dem Aufteilen in Trainings- und Testdatensätze?

Accepted Answer

Normalisierung oder Standardisierung

Answer

Merkmalsextraktion

Answer

Datenskalierung

Answer

Datenbereinigung

Question 36

Welcher der folgenden Faktoren hat keinen Einfluss auf die Leistung eines Modells bei neuen Daten?

Accepted Answer

Zufallszahlengenerator

Answer

Trainingsdatensatzgröße

Answer

Testdatensatzverteilung

Answer

Modellkomplexität

Question 37

Welche der folgenden Aussagen über Kreuzvalidierung ist korrekt?

Accepted Answer

Sie verwendet mehrere Trainings- und Testdatensätze.

Answer

Sie verwendet einen Testdatensatz, der kleiner ist als der Trainingsdatensatz.

Answer

Sie verwendet nur einen Trainingsdatensatz.

Question 38

Was ist ein Nachteil der Holdout-Validierung?

Accepted Answer

Abhängigkeit von einer einzelnen Aufteilung

Answer

Anfälligkeit für Outliers

Answer

Keine Nachteile

Answer

Hoher Rechenaufwand

Question 39

Welche der folgenden Methoden kann verwendet werden, um Überanpassung zu erkennen?

Accepted Answer

Vergleich der Leistung auf Trainings- und Testdatensätzen

Answer

Reduzierung der Trainingsdatensatzgröße

Answer

Erhöhung der Modellkomplexität

Question 40

Welche der folgenden Aussagen über Datensatzaufteilung ist falsch?

Accepted Answer

Der Testdatensatz kann zur Optimierung der Modellparameter verwendet werden.

Answer

Die Aufteilung kann zufällig oder stratifiziert erfolgen.

Answer

Der Trainingsdatensatz sollte repräsentativ für die Zielpopulation sein.