Überwachtes Lernen: Quizfragen und Übungen für Datenanalyse

Question 1

Welcher der folgenden Algorithmen ist ein überwachtes Lernverfahren, das eine lineare Beziehung zwischen Merkmalen und Zielvariable modelliert?

Accepted Answer

Lineare Regression

Answer

k-Means-Clustering

Answer

DBSCAN

Answer

PCA

Question 2

Was ist die primäre Aufgabe einer Kostenfunktion in einem überwachten Lernmodell?

Accepted Answer

Minimierung des Fehlers zwischen vorhergesagten und tatsächlichen Werten

Answer

Maximierung der Anzahl korrekter Vorhersagen

Answer

Identifizierung der wichtigsten Merkmale

Answer

Erhöhung der Modellkomplexität

Question 3

Welche der folgenden Metriken wird üblicherweise zur Evaluierung der Leistung von Klassifizierungsmodellen verwendet?

Accepted Answer

Area Under the Curve (AUC)

Answer

Mean Absolute Error

Answer

R-Quadrat

Answer

Silhouette-Koeffizient

Question 4

Welche der folgenden Techniken zielt darauf ab, die Bias-Varianz-Abwägung zu optimieren, indem mehrere Modelle kombiniert werden?

Accepted Answer

Ensembling

Answer

Datenaufteilung

Answer

Kreuzvalidierung

Answer

Merkmalsauswahl

Question 5

Welches der folgenden Modelle nimmt an, dass die Daten einer Normalverteilung folgen und die Beziehung zwischen Merkmalen und Zielvariable linear ist?

Accepted Answer

Lineare Regression

Answer

k-NN

Answer

Entscheidungsbäume

Answer

Naive Bayes

Question 6

Was ist der Hauptzweck der Feature-Skalierung?

Accepted Answer

Verbesserung der numerischen Stabilität von Algorithmen

Answer

Beschleunigung des Trainingsprozesses

Answer

Verhinderung von Überanpassung

Answer

Vereinfachung der Merkmalsinterpretation

Question 7

Welcher Algorithmus verwendet eine lineare Trennfläche, um Datenpunkte in verschiedene Klassen zu kategorisieren?

Accepted Answer

Support-Vektor-Maschinen (SVM)

Answer

Logistische Regression

Answer

Entscheidungsbäume

Answer

k-NN

Question 8

Was ist das angestrebte Ergebnis der Dimensionalitätsreduktion?

Accepted Answer

Reduzierung der Anzahl der Merkmale in einem Datensatz

Answer

Erhöhung der Modellkomplexität

Answer

Verbesserung der Vorhersagegenauigkeit

Answer

Verringerung der Rechenzeit

Question 9

Welche der folgenden Algorithmen gehören zum überwachten Lernen?

Accepted Answer

Naive Bayes (überwacht)

Answer

k-Means (unüberwacht)

Answer

PCA (unüberwacht)

Answer

DBSCAN (unüberwacht)

Question 10

Was ist das Hauptziel der Regularisierung?

Accepted Answer

Überanpassung reduzieren

Answer

Unteranpassung vermeiden

Answer

Modellkomplexität erhöhen

Answer

Trainingszeit verkürzen

Question 11

Welche Metrik wird häufig zur Bewertung der Leistung von Klassifikationsmodellen verwendet?

Accepted Answer

F1-Score

Answer

R-Quadrat (Regressionsmodelle)

Answer

Mittlerer absoluter Fehler (MAE) (Regressionsmodelle)

Answer

Silhouette-Koeffizient (Clustermodelle)

Question 12

Welches der folgenden Verfahren gehört zum Ensemble-Lernen?

Accepted Answer

Random Forest

Answer

K-NN (Einzelmodell)

Answer

Naive Bayes (Einzelmodell)

Answer

SVM (Einzelmodell)

Question 13

Was ist der primäre Zweck einer Validierungsmenge?

Accepted Answer

Die Leistung eines Modells auf neuen Daten bewerten

Answer

Das endgültige Modell trainieren

Answer

Hyperparameter eines Modells optimieren

Answer

Die Genauigkeit eines Modells bestimmen

Question 14

Welche Metrik wird typischerweise zur Messung der Leistung eines Regressionsmodells verwendet?

Accepted Answer

Mittlerer absoluter Fehler (MAE)

Answer

F1-Score (Klassifikationsmodelle)

Answer

Silhouette-Koeffizient (Clustermodelle)

Answer

Richtigkeitsrate (Klassifikationsmodelle)

Question 15

Was ist der Hauptunterschied zwischen einem Entscheidungsbaum und einem Zufallsforst?

Accepted Answer

Zufallsforste sind stochastisch, Entscheidungsbäume deterministisch

Answer

Zufallsforste sind deterministisch, Entscheidungsbäume stochastisch

Answer

Zufallsforste verwenden mehr Bäume als Entscheidungsbäume

Answer

Entscheidungsbäume sind immer genauer als Zufallsforste

Question 16

Was ist das vorrangige Ziel der Regularisierung bei überwachtem Lernen?

Accepted Answer

Überanpassung verringern

Answer

Vorhersagegenauigkeit erhöhen

Answer

Trainingszeit verkürzen

Answer

Modellkomplexität optimieren

Question 17

Was ist ein wesentlicher Unterschied zwischen überwachtem und unüberwachtem Lernen?

Accepted Answer

Verfügbarkeit markierter Daten

Answer

Art der vorhergesagten Ergebnisse

Answer

Komplexität der Modelle

Answer

Anwendungsgebiete

Question 18

Welche Methode wird verwendet, um die Wichtigkeit einzelner Features für ein überwachtes Lernmodell zu bestimmen?

Accepted Answer

Feature-Selektion

Answer

Feature-Extraktion

Answer

Feature-Engineering

Answer

Feature-Transformation

Question 19

Welches Diagramm wird häufig verwendet, um die Beziehung zwischen abhängigen und unabhängigen Variablen in einem überwachten Lernmodell zu visualisieren?

Accepted Answer

Streudiagramm

Answer

Balkendiagramm

Answer

Kreisdiagramm

Answer

Histogramm

Question 20

Was ist das Hauptkonzept hinter Ensemble-Methoden im überwachten Lernen?

Accepted Answer

Kombination mehrerer schwacher Lernender zu einem stärkeren Lerner

Answer

Reduzierung der Varianz von Modellvorhersagen

Answer

Erhöhung der Ausdruckskraft von Modellen

Answer

Optimierung der Rechenleistung

Question 21

Welches der folgenden Merkmale beschreibt am besten überwachtes Lernen?

Accepted Answer

Verwenden markierter Daten, um Modelle zu trainieren, die Vorhersagen treffen können.

Answer

Clustering nicht markierter Daten, um Muster zu identifizieren.

Answer

Umwandeln und Bereinigen von Daten, um sie für die Analyse vorzubereiten.

Answer

Visualisieren von Daten, um Trends und Beziehungen aufzudecken.

Question 22

Welcher Algorithmus ist ein Beispiel für einen linearen Klassifikator?

Accepted Answer

Logistische Regression

Answer

Support-Vektor-Maschine

Answer

Entscheidungsbaum

Answer

K-nächster-Nachbar-Algorithmus

Question 23

Welchem Zweck dient eine Testmenge bei der Evaluierung eines überwachten Modells?

Accepted Answer

Einschätzung der Vorhersageleistung auf unbekannten Daten.

Answer

Training des Modells und Anpassen seiner Parameter.

Answer

Identifizierung von Ausreißern und Rauschen in den Daten.

Answer

Auswahl der optimalen Features für die Modellerstellung.

Question 24

Was ist eine Konfusionsmatrix?

Accepted Answer

Eine Tabelle, die tatsächliche und vorhergesagte Klassenbezeichnungen gegenüberstellt.

Answer

Eine grafische Darstellung des Verhältnisses von korrekt positiven zu falsch positiven Vorhersagen.

Answer

Ein Algorithmus zur Optimierung von Modellparametern.

Answer

Eine Sammlung von Datenpunkten, die zur Erstellung des Modells verwendet wurden.

Question 25

Wie unterscheiden sich stochastischer Gradientenabstieg (SGD) und Batch-Gradientenabstieg?

Accepted Answer

SGD aktualisiert Modellparameter nach jedem Datenpunkt, während Batch-Gradientenabstieg alle Datenpunkte vor der Aktualisierung verarbeitet.

Answer

Batch-Gradientenabstieg aktualisiert Modellparameter häufiger als SGD.

Answer

SGD erfordert die Berechnung des Gradienten für alle Datenpunkte, wohinge Batch-Gradientenabstieg den Gradienten nur für eine Teilmenge der Daten berechnet.

Answer

SGD ist schneller als Batch-Gradientenabstieg.

Question 26

Welche Aussage beschreibt einen Entscheidungsbaum?

Accepted Answer

Ein hierarchisches Modell, das Daten aufspaltet, um Vorhersagen zu treffen.

Answer

Ein lineares Modell, das eine Hyperebene zur Klassifizierung von Daten verwendet.

Answer

Ein Algorithmus, der die Wahrscheinlichkeitsverteilung einer Zielvariablen schätzt.

Answer

Ein Ensemble-Modell, das mehrere Entscheidungsbäume kombiniert.

Question 27

Welche Methoden dienen zur Bewertung der Leistung überwachter Modelle?

Accepted Answer

Alle oben genannten Optionen.

Answer

K-fache Kreuzvalidierung

Answer

F1-Score

Answer

ROC-Kurve

Question 28

Welches der folgenden ist kein Algorithmus für überwachtes Lernen?

Accepted Answer

K-Means-Clustering

Answer

Lineare Regression

Answer

Entscheidungsbäume

Answer

Support Vector Machines

Question 29

Was ist das Hauptziel der Kostenfunktion beim Training eines überwachten Lernmodells?

Accepted Answer

Minimierung des Fehlers zwischen Vorhersagen und tatsächlichen Werten

Answer

Maximierung der Vorhersagegenauigkeit

Answer

Reduzierung der Komplexität des Modells

Answer

Erhöhung der Interpretierbarkeit des Modells

Question 30

Welche der folgenden Metriken wird verwendet, um die Leistung eines Klassifikationsmodells zu bewerten?

Accepted Answer

Sensitivität

Answer

Mittlerer absoluter Fehler

Answer

Mittlerer quadrierter Fehler

Answer

Varianz

Question 31

Was ist der Unterschied zwischen einem parametrischen und einem nichtparametrischen überwachten Lernmodell?

Accepted Answer

Parametrische Modelle gehen von einer zugrunde liegenden Wahrscheinlichkeitsverteilung aus, während nichtparametrische Modelle dies nicht tun.

Answer

Nichtparametrische Modelle sind immer komplexer als parametrische Modelle.

Answer

Parametrische Modelle sind immer genauer als nichtparametrische Modelle.

Answer

Es gibt keinen Unterschied zwischen parametrischen und nichtparametrischen Modellen.

Question 32

Welche der folgenden Aussagen über Entscheidungsbäume ist richtig?

Accepted Answer

Sie sind nicht parametrisch und können sowohl für Klassifikations- als auch für Regressionsaufgaben verwendet werden.

Answer

Sie sind parametrisch und können nur für Klassifikationsaufgaben verwendet werden.

Answer

Sie sind nicht parametrisch und können nur für Regressionsaufgaben verwendet werden.

Answer

Sie sind parametrisch und können sowohl für Klassifikations- als auch für Regressionsaufgaben verwendet werden.

Question 33

Was ist der Unterschied zwischen einem trainierten und einem getesteten überwachten Lernmodell?

Accepted Answer

Das trainierte Modell wird an den Trainingsdaten angepasst, während das getestete Modell an den Testdaten ausgewertet wird.

Answer

Das getestete Modell wird an den Trainingsdaten angepasst, während das trainierte Modell an den Testdaten ausgewertet wird.

Answer

Das trainierte Modell wird an beiden Datensätzen angepasst, während das getestete Modell nicht ausgewertet wird.

Answer

Das getestete Modell wird an beiden Datensätzen ausgewertet, während das trainierte Modell nicht angepasst wird.

Question 34

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

Accepted Answer

Mittlerer absoluter prozentualer Fehler

Answer

Cohen's Kappa

Answer

F1-Score

Answer

Area Under the Curve (AUC)

Question 35

Welche konkreten Anwendungsfälle gibt es für Überwachtes Lernen in der Wirtschaft? Erläutern Sie, wie diese Modelle reale Geschäftsprobleme lösen.

Accepted Answer

Betrugserkennung im Finanzwesen: Identifizierung verdächtiger Transaktionen.

Accepted Answer

Personalisierte Empfehlungen im E-Commerce: Bereitstellung maßgeschneiderter Produktempfehlungen.

Accepted Answer

Bestandsvorhersage in der Lieferkette: Optimierung von Lagerbeständen und Vermeidung von Engpässen.

Question 36

Welches Verfahren des überwachten Lernens eignet sich am besten für die Vorhersage von kontinuierlichen Zielvariablen?

Accepted Answer

Lineare Regression

Answer

Entscheidungsbäume

Answer

K-nächste Nachbarn

Answer

Support Vector Machines

Question 37

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

Accepted Answer

F1-Score

Answer

Mittlerer absoluter Fehler

Answer

R-Quadrat

Answer

Mittlerer quadratischer Fehler

Question 38

Welches Problem kann beim überwachten Lernen durch Überanpassung entstehen?

Accepted Answer

Schlechte Generalisierungsfähigkeit auf neue Daten

Answer

Übermäßige Rauschunterdrückung

Answer

Geringe Varianz

Answer

Hohes Bias

Question 39

Welche Art von Überwachung ist beim überwachten Lernen erforderlich?

Accepted Answer

Markierte Daten

Answer

Unmarkierte Daten

Answer

Keine Überwachung

Answer

Partiell markierte Daten

Question 40

Welcher Algorithmus des überwachten Lernens verwendet eine Baumstruktur, um Vorhersagen zu treffen?

Accepted Answer

ID3

Answer

K-Means

Answer

Support Vector Machines

Answer

Naive Bayes

Question 41

Welcher Ansatz des überwachten Lernens zielt darauf ab, eine Hypothesenfunktion zu finden, die die Zielvariable möglichst genau vorhersagt?

Accepted Answer

Empirisches Risikominimierung

Answer

Maximaler Rand

Answer

Strukturelles Risikominimierung

Answer

Entropiemaximierung

Question 42

Welches Verfahren des überwachten Lernens zielt darauf ab, die Wahrscheinlichkeitsverteilung der Zielvariablen zu modellieren?

Accepted Answer

Generatives Modell

Answer

Klassifikatormodell

Answer

Regressionsmodell

Answer

Diskriminatives Modell

Question 43

Welche Aussage beschreibt das übergeordnete Ziel des überwachten Lernens am besten?

Accepted Answer

Trainieren von Modellen, die fundierte Vorhersagen auf Basis markierter Daten treffen können.

Answer

Generieren neuer Datenpunkte aus bestehenden Datensätzen.

Answer

Aufdecken versteckter Muster in unmarkierten Daten.

Question 44

Nennen Sie ein wichtiges Merkmal markierter Daten für das überwachte Lernen.

Accepted Answer

Sie enthalten sowohl Eingabe- als auch Ausgabevariablen, die einander zugeordnet sind.

Answer

Sie sind ausschließlich numerisch.

Answer

Sie sind in der Regel in großen Mengen verfügbar.

Question 45

Welcher Schritt ist ein integraler Bestandteil des Trainings von Modellen für überwachtes Lernen?

Accepted Answer

Anpassen der Modellparameter an die markierten Daten.

Answer

Extrahieren von Merkmalen aus den Eingabedaten.

Answer

Skalieren der Eingabedaten.

Question 46

Welche Art der Datenspaltung wird im überwachten Lernen üblicherweise verwendet?

Accepted Answer

Trainings-, Validierungs- und Testdatensätze.

Answer

Nur Trainings- und Testdatensätze.

Answer

Nur Trainingsdatensatz.

Answer

Nur Validierungs- und Testdatensätze.

Question 47

Welche Rolle spielt eine Validierungsmenge?

Accepted Answer

Überwachung der Modellleistung während des Trainings, um Überanpassung zu vermeiden.

Answer

Auswahl der optimalen Modellparameter.

Answer

Bewertung der endgültigen Modellleistung.

Question 48

Welche Aussage zum überwachten Lernen ist zutreffend?

Accepted Answer

Es kann sowohl für Klassifizierungs- als auch für Regressionsprobleme verwendet werden.

Answer

Es ist immer genauer als unüberwachtes Lernen.

Answer

Es kann nur numerische Daten verarbeiten.

Question 49

Was ist das Hauptziel des überwachten Lernens?

Accepted Answer

Vorhersagen auf Basis markierter Daten treffen

Answer

Daten analysieren und visualisieren

Answer

Modelle ohne menschliche Interaktion trainieren

Question 50

Welcher der folgenden Algorithmen ist ein Beispiel für ein überwachtes Lernverfahren?

Accepted Answer

Support Vector Machine (SVM)

Answer

K-Means-Clustering

Answer

Apriori-Algorithmus

Question 51

Was ist der Zweck der Markierung beim überwachten Lernen?

Accepted Answer

Daten beschriften, um das Modell zu trainieren

Answer

Die Leistung des Modells bewerten

Question 52

Welches Kriterium wird üblicherweise zur Bewertung der Leistung eines überwachten Lernmodells verwendet?

Accepted Answer

Genauigkeit

Answer

Interpretierbarkeit

Answer

Skalierbarkeit

Question 53

Welcher Vorteil ist mit dem überwachten Lernen verbunden?

Accepted Answer

Kann für eine Vielzahl von Vorhersageaufgaben eingesetzt werden

Answer

Erfordert keinen menschlichen Eingriff

Answer

Ist immer genauer als unüberwachtes Lernen

Question 54

Welche Grundannahme liegt dem überwachten Lernen zugrunde?

Accepted Answer

Die Markierungsdaten sind korrekt und repräsentativ

Answer

Die Daten folgen einer einheitlichen Verteilung

Answer

Das Modell kann alle möglichen Ergebnisse vorhersagen

Question 55

Welches Problem kann beim überwachten Lernen auftreten?

Accepted Answer

Klassenungleichgewicht

Answer

Fehlende Daten

Question 56

Was ist der Hauptunterschied zwischen Klassifizierungs- und Regressionsmodellen im überwachten Lernen?

Accepted Answer

Klassifikationsmodelle sagen kategoriale Variablen voraus, während Regressionsmodelle kontinuierliche Variablen vorhersagen

Answer

Klassifikationsmodelle erfordern markierte Daten, während Regressionsmodelle unmarkierte Daten verwenden

Question 57

Welches der folgenden Kriterien ist bei der Auswahl eines überwachten Lernalgorithmus primär?

Accepted Answer

Art der Zielvariable (kategorial, kontinuierlich)

Answer

Verfügbarkeit einer großen Datenmenge

Answer

Rechenleistung des verwendeten Computers

Answer

Erfahrung des Analysten

Question 58

Welche Metrik ist zur Bewertung der Leistung eines Klassifizierungsmodells geeignet?

Accepted Answer

AUC (Area Under Curve)

Answer

MAE (Mean Absolute Error)

Answer

R-Quadrat

Answer

RMSE (Root Mean Squared Error)

Question 59

Welcher Algorithmus für überwachtes Lernen wird primär zur Vorhersage numerischer Werte eingesetzt?

Accepted Answer

Lineare Regression

Answer

Logistische Regression

Answer

Support-Vektor-Maschine

Answer

Entscheidungsbaum

Question 60

Was ist der Hauptzweck der Kreuzvalidierung bei der Entwicklung von Modellen für maschinelles Lernen?

Accepted Answer

Überanpassung verhindern und die Generalisierungsleistung verbessern

Answer

Modellkomplexität erhöhen

Answer

Datenmenge vergrößern

Question 61

Welche Aussage über Entscheidungsbäume im Kontext von überwachtem Lernen ist korrekt?

Accepted Answer

Sie können sowohl für Klassifizierungs- als auch für Regressionsaufgaben eingesetzt werden

Answer

Sie erfordern immer numerische Zielvariablen

Answer

Sie sind lineare Modelle

Question 62

Welche Größe im Bereich von 0 bis 1 gibt die Wahrscheinlichkeit an, dass ein Datenpunkt einer bestimmten Klasse angehört?

Accepted Answer

Posteriori-Wahrscheinlichkeit

Answer

A-priori-Wahrscheinlichkeit

Answer

Glaubwürdigkeit

Answer

Bedingte Wahrscheinlichkeit

Question 63

Was ist das primäre Ziel von überwachtem Lernen?

Accepted Answer

Modelle zu erstellen, die Vorhersagen anhand markierter Daten treffen können

Answer

Nicht markierte Daten zu clustern

Answer

Die Struktur von Daten zu visualisieren

Question 64

Was beschreibt das Bias-Varianz-Dilemma?

Accepted Answer

Den Kompromiss zwischen einem Modell mit niedriger Verzerrung und hoher Varianz und einem Modell mit hoher Verzerrung und niedriger Varianz

Answer

Die Schwierigkeit, die optimale Anzahl von Features in einem Modell zu bestimmen