Logistische Regression: Quizfragen und Übungen für Maschinelles Lernen

Question 1

Was gibt die Ausgabe eines logistischen Regressionsmodells an?

Accepted Answer

Die Wahrscheinlichkeit, dass eine Beobachtung zur positiven Klasse gehört.

Answer

Die Wahrscheinlichkeit, dass eine Beobachtung zur negativen Klasse gehört.

Answer

Den Abstand einer Beobachtung zum Trennhyperplan.

Question 2

In der logistischen Regression: Welcher Wert trennt die Klassen 0 und 1?

Accepted Answer

Der Wert, bei dem die Wahrscheinlichkeit für Klasse 1 gleich 50 % ist

Answer

Der Wert, der die Kostenfunktion minimiert

Answer

Der Wert, der die ROC-Kurve optimiert

Answer

Der Wert, der die Fehlklassifikationen minimiert

Question 3

Logistische Regression ist ein Algorithmus für:

Accepted Answer

Binäre Klassifikation mit Wahrscheinlichkeitsvorhersagen

Answer

Clustering-Analyse

Answer

Lineare Modellierung

Question 4

Welche Funktion dient in der logistischen Regression dazu, Wahrscheinlichkeiten zwischen 0 und 1 einzuschränken?

Accepted Answer

Sigmoid-Funktion

Answer

Lineare Funktion

Answer

Gaußsche Verteilungsfunktion

Answer

Polynomfunktion

Question 5

Welche Methode optimiert die Koeffizienten logistischer Regressionsmodelle?

Accepted Answer

Maximierung der Log-Likelihood-Funktion

Answer

Support-Vektor-Maschinen

Answer

Lineare Regression

Answer

Entscheidungsbäume

Question 6

Welcher Nachteil ist mit der logistischen Regression verbunden?

Accepted Answer

Kann nichtlineare Beziehungen nicht modellieren

Answer

Interpretierbare Koeffizienten

Answer

Hohe Rechenleistung erforderlich

Answer

Einfache Implementierung

Question 7

Welche Aussage beschreibt die Beziehung zwischen der Ausgabe einer logistischen Regression und der Wahrscheinlichkeit eines Ereignisses?

Accepted Answer

Die Ausgabe ist die Wahrscheinlichkeit des Ereigniseintritts

Answer

Die Ausgabe ist die Inverse der Wahrscheinlichkeit des Ereigniseintritts

Answer

Die Ausgabe ist der Logarithmus der Wahrscheinlichkeit des Ereigniseintritts

Question 8

Welcher der folgenden Vorteile ist für die logistische Regression im Vergleich zu anderen Klassifikationsalgorithmen charakteristisch?

Accepted Answer

Sie liefert Wahrscheinlichkeitsvorhersagen.

Answer

Sie benötigt keine Datenstandardisierung.

Answer

Sie ist resistent gegen Ausreißer.

Answer

Sie kann keine nichtlinearen Zusammenhänge modellieren.

Question 9

Welchen Zweck erfüllt die Wahrscheinlichkeitsschwelle in der logistischen Regression?

Accepted Answer

Sie definiert den Schwellenwert für die Klassenzuordnung.

Answer

Sie maximiert die Modellgenauigkeit.

Answer

Sie bestimmt die Klassenverteilung.

Answer

Sie gewährleistet die Stabilität des Modells.

Question 10

Welcher Schritt leitet in der Regel den Ablauf der logistischen Regression ein?

Accepted Answer

Datenexploration und -vorverarbeitung

Answer

Modellimplementierung

Answer

Modellbewertung

Answer

Modelltraining

Question 11

Welches der folgenden Maße ist unabhängig von der Prävalenz des Ergebnismerkmals in der Grundgesamtheit?

Accepted Answer

Odds Ratio

Answer

Sensitivität

Answer

Spezifität

Answer

Risikoverhältnis

Question 12

Welche Annahme ist eine der Grundlagen der logistischen Regression?

Accepted Answer

Die Wahrscheinlichkeit des Ereignisses ist eine lineare Funktion der unabhängigen Variablen.

Answer

Die Varianz der abhängigen Variablen ist konstant.

Answer

Die Daten sind normalverteilt.

Question 13

Das Hauptziel der logistischen Regression ist es:

Accepted Answer

Wahrscheinlichkeitsvorhersage für binäre Klassifikationsprobleme

Answer

Klassifizierung von Daten in mehrere Kategorien

Answer

Kontinuierliche Wertevorhersage

Question 14

Welche Art von Ausgabedaten generiert die logistische Regression?

Accepted Answer

Wahrscheinlichkeiten zwischen 0 und 1

Answer

Kategoriale Werte mit zwei oder mehr Klassen

Answer

Kontinuierliche Werte im Bereich von -∞ bis ∞

Question 15

Die Sigmoid-Funktion in der logistischen Regression:

Accepted Answer

Bildet Eingaben auf Wahrscheinlichkeiten zwischen 0 und 1 ab

Answer

Bildet Eingaben auf Werte im Bereich von -1 bis 1 ab

Answer

Bildet Eingaben auf positive Werte ab

Question 16

Zur Bewertung der Gesamtgenauigkeit eines logistischen Regressionsmodells wird typischerweise verwendet:

Accepted Answer

Genauigkeit

Answer

F1-Score

Answer

Präzision

Answer

Sensitivität

Question 17

Eine Regularisierungstechnik, die in der logistischen Regression häufig verwendet wird, ist:

Accepted Answer

L1-Regularisierung (LASSO)

Answer

Entropie-Regularisierung

Answer

Kernel-Regularisierung

Answer

Bayes'sche Regularisierung

Question 18

Das Odds-Verhältnis in der logistischen Regression:

Accepted Answer

Misst die Stärke der Assoziation zwischen einer unabhängigen Variablen und dem Ergebnis

Answer

Ist ein Maß für die Modellgüte

Answer

Gibt die Wahrscheinlichkeit an, dass das Ereignis eintritt

Question 19

Welche der folgenden Aussagen beschreibt die logistische Regression am besten?

Accepted Answer

Ein Algorithmus für die binäre Klassifikation, der Wahrscheinlichkeitswerte zwischen 0 und 1 vorhersagt

Answer

Ein Algorithmus für die lineare Regression, der kontinuierliche Werte vorhersagt

Answer

Ein Algorithmus für die Clustering, der Datenpunkte in Gruppen aufteilt

Question 20

Welche Funktion wird in der logistischen Regression verwendet, um Wahrscheinlichkeiten zwischen 0 und 1 zu transformieren?

Accepted Answer

Sigmoid-Funktion

Answer

Lineare Funktion

Answer

Polynomfunktion

Question 21

Welche Metrik wird typischerweise zur Bewertung der Leistung eines logistischen Regressionsmodells verwendet?

Accepted Answer

ROC-AUC

Answer

Mittlerer absoluter Fehler

Answer

Klassifizierungsgenauigkeit

Answer

R-Quadrat

Question 22

Wie lautet die Beziehung zwischen Logit und Odds in der logistischen Regression?

Accepted Answer

Logit ist der natürliche Logarithmus der Odds

Answer

Odds ist der Logarithmus des Logit

Answer

Logit und Odds sind synonym

Answer

Odds ist die Wahrscheinlichkeit eines Ereignisses

Question 23

Welche Aussage beschreibt den Zweck einer ROC-Kurve in der logistischen Regression?

Accepted Answer

Sie visualisiert den Kompromiss zwischen Sensitivität und Spezifität

Answer

Sie bewertet die Komplexität des Modells

Answer

Sie prüft die Anpassung des Modells an die Daten

Question 24

Welche Annahme trifft die logistische Regression bezüglich der Beziehung zwischen den Prädiktoren und der Logit-Funktion?

Accepted Answer

Linearität

Answer

Normalverteilung

Answer

Homoskedastizität

Answer

Unkorrelierte Prädiktoren

Question 25

Welche Gleichung stellt das folgende logistische Regressionsmodell dar?

Accepted Answer

p = 1 / (1 + e^(-(b0 + b1 * x1 + b2 * x2)))

Answer

p = b0 + b1 * x1 + b2 * x2

Answer

p = e^(-(b0 + b1 * x1 + b2 * x2))

Question 26

Welche Aussage über die logistische Regression ist korrekt?

Accepted Answer

Sie ist ein Algorithmus für die binäre Klassifikation.

Answer

Sie ist ein Algorithmus für das Clustering.

Answer

Sie ist ein Algorithmus für die multi-Label-Klassifikation.

Question 27

Welche Funktion wird in der logistischen Regression verwendet, um Wahrscheinlichkeiten abzubilden?

Accepted Answer

Sigmoid-Funktion

Answer

ReLu-Funktion

Answer

Linearfunktion

Answer

Gauss'sche Verteilungsfunktion

Question 28

Welche der folgenden Metriken wird zur Bewertung der Leistung eines logistischen Regressionsmodells verwendet?

Accepted Answer

AUC

Answer

MAE

Answer

MSE

Answer

R-Quadrat

Question 29

Was ist eine ROC-Kurve?

Accepted Answer

Eine grafische Darstellung des Verhältnisses von wahren positiven zu falsch positiven Ergebnissen über alle Schwellenwerte hinweg.

Answer

Eine grafische Darstellung der Wahrscheinlichkeitsverteilung von Beobachtungen.

Question 30

Was ist der Zweck einer Regularisierung in der logistischen Regression?

Accepted Answer

Verhinderung von Überanpassung

Answer

Reduzierung der Anzahl der Features im Modell

Answer

Verkürzung der Trainingszeit

Answer

Verbesserung der Modellleistung ohne Beeinträchtigung der Überanpassung

Question 31

Welche mathematische Funktion wird in der logistischen Regression verwendet, um Wahrscheinlichkeiten für die Zugehörigkeit zu einer Klasse vorherzusagen?

Accepted Answer

Sigmoid-Funktion

Answer

Exponentialfunktion

Answer

Identitätsfunktion

Answer

Normalverteilungsfunktion

Question 32

Wie lässt sich die Performance eines logistischen Regressionsmodells anhand einer ROC-Kurve beurteilen?

Accepted Answer

Je näher die Kurve an der linken oberen Ecke liegt, desto besser ist die Modellleistung.

Answer

Je höher der AUC-Wert, desto schlechter ist die Leistung.

Answer

Je näher die Kurve an der Diagonalen liegt, desto besser ist die Leistung.

Question 33

Welche Arten von Variablen können als Prädiktoren in der logistischen Regression eingesetzt werden?

Accepted Answer

Sowohl numerische als auch kategoriale Variablen.

Answer

Nur binäre Variablen.

Answer

Nur kategoriale Variablen.

Answer

Nur numerische Variablen.

Question 34

Was beschreibt die Bernoulli-Verteilung?

Accepted Answer

Eine Wahrscheinlichkeitsverteilung für binäre Zufallsvariablen.

Answer

Eine Poisson-Verteilung für diskrete Zufallsvariablen.

Answer

Eine Normalverteilung für stetige Zufallsvariablen.

Question 35

Welche Aussage trifft am besten auf die Rolle der Odds-Ratio in der logistischen Regression zu?

Accepted Answer

Sie gibt an, wie viel wahrscheinlicher das Eintreten eines Ereignisses wird, wenn eine Prädiktorvariable um eine Einheit erhöht wird.

Answer

Sie gibt den Anteil der vorhergesagten positiven Ergebnisse an.

Question 36

Was ist die primäre Aufgabe der logistischen Regression?

Accepted Answer

Die Wahrscheinlichkeit für die Zugehörigkeit zu einer bestimmten Klasse vorherzusagen.

Answer

Die optimalen Parameter für ein lineares Regressionsmodell zu finden.

Answer

Die Beziehung zwischen zwei kontinuierlichen Variablen zu modellieren.

Question 37

Welche Funktion wird in der logistischen Regression eingesetzt, um die Wahrscheinlichkeit für die Zugehörigkeit zu einer Klasse vorherzusagen?

Accepted Answer

Sigmoid-Funktion

Answer

Exponentialfunktion

Answer

Quadratische Funktion

Answer

Lineare Funktion

Question 38

Welche Metrik wird NICHT zur Beurteilung der Leistung eines logistischen Regressionsmodells verwendet?

Accepted Answer

Mean Squared Error (MSE)

Answer

Recall

Answer

Genauigkeit (Accuracy)

Answer

Precision

Question 39

Ein logistisches Regressionsmodell weist eine hohe Genauigkeit, aber eine niedrige Präzision auf. Was könnte dies bedeuten?

Accepted Answer

Das Modell klassifiziert viele negative Fälle falsch als positiv.

Answer

Das Modell hat nur eine geringe Anzahl von Vorhersagen getroffen.

Answer

Das Modell klassifiziert viele positive Fälle falsch als negativ.

Question 40

Welche Art von Variable kann NICHT direkt als Eingabe für ein logistisches Regressionsmodell verwendet werden?

Accepted Answer

Kategoriale Variable mit mehr als zwei Kategorien

Answer

Binäre Variable

Answer

Kategoriale Variable mit zwei Kategorien

Answer

Numerische Variable

Question 41

Welche Aussage beschreibt die AUC (Area Under the Curve) einer ROC-Kurve?

Accepted Answer

Sie gibt die Fähigkeit des Modells an, positive und negative Fälle zu unterscheiden.

Answer

Sie gibt die Anzahl korrekt klassifizierter Beobachtungen an.

Answer

Sie gibt die Anzahl falsch klassifizierter Beobachtungen an.

Question 42

Nennen Sie den Hauptunterschied zwischen logistischen und linearen Regressionsmodellen.

Accepted Answer

Logistische Regression modelliert Wahrscheinlichkeiten für binäre Klassen, während lineare Regression kontinuierliche Werte vorhersagt.

Answer

Logistische Regression verwendet lineare Funktionen, während lineare Regression nichtlineare Funktionen verwendet.

Question 43

Sie trainieren ein logistisches Regressionsmodell zur Vorhersage der Kaufwahrscheinlichkeit eines Produkts. Welches Merkmal ist am wenigsten relevant?

Accepted Answer

Die Farbe des Produkts

Answer

Die Anzahl der Besuche auf der Produktseite

Answer

Das Einkommen des Kunden

Answer

Der Preis des Produkts

Question 44

Welches ist ein wesentliches Merkmal der logistischen Regression?

Accepted Answer

Sie modelliert die Wahrscheinlichkeit eines Ereignisses als Funktion der Eingangsmerkmale.

Answer

Sie ist ein lineares Modell.

Answer

Sie ist eine unüberwachte Lernmethode.

Question 45

Welche Funktion transformiert in der logistischen Regression Eingaben in Werte zwischen 0 und 1?

Accepted Answer

Sigmoid-Funktion

Answer

Polynomfunktion

Answer

Lineare Funktion

Question 46

Welcher Parameter in der logistischen Regression bestimmt, wie sich die Wahrscheinlichkeit des Ereignisses mit einer Änderung des Eingangsmerkmals ändert?

Accepted Answer

Koeffizient

Answer

Bias

Answer

Varianz

Question 47

Welche Metrik wird verwendet, um ein logistisches Regressionsmodell zu bewerten?

Accepted Answer

AUC-ROC

Answer

R-Quadrat

Answer

Genauigkeit

Answer

Mittlerer absoluter Fehler

Question 48

Welche Regularisierungsmethode verhindert Überanpassung in der logistischen Regression?

Accepted Answer

L1- oder L2-Regularisierung

Answer

Dropout

Answer

Kreuzvalidierung

Question 49

Wie wird die Wahrscheinlichkeit eines Ereignisses mit einem logistischen Regressionsmodell vorhergesagt?

Accepted Answer

Durch Einsetzen der Eingangsmerkmale in die Sigmoid-Funktion.

Answer

Durch Anwendung eines Bayes'schen Ansatzes.

Answer

Durch Verwendung einer linearen Funktion.

Question 50

Welche Anwendung ist nicht für die logistische Regression geeignet?

Accepted Answer

Vorhersage kontinuierlicher Werte

Answer

Diagnose medizinischer Krankheiten

Answer

Kreditrisikobewertung

Answer

Betrugserkennung

Question 51

Was ist der Vorteil der Verwendung einer ROC-Kurve zur Bewertung eines logistischen Regressionsmodells?

Accepted Answer

Sie zeigt die Kompromisse zwischen Empfindlichkeit und Spezifität bei verschiedenen Schwellenwerten.

Answer

Sie ist unabhängig von der Grundwahrheit.

Answer

Sie ist einfach zu interpretieren.

Question 52

Welche der folgenden Schritte ist nicht Teil des Prozesses der logistischen Regression?

Accepted Answer

Clustering der Eingabedaten.

Answer

Modelltraining

Answer

Datenaufbereitung

Answer

Modellbewertung

Question 53

Welche der folgenden Techniken kann verwendet werden, um die Stabilität eines logistischen Regressionsmodells zu verbessern?

Accepted Answer

Bagging oder Random Forest.

Answer

T-SNE.

Answer

PCA.

Answer

K-Means-Clustering.