Überwachtes Lernen: Quizfragen und Übungen für Data Science und KI

Question 1

Welches ist das Hauptziel des überwachten Lernens?

Accepted Answer

Markierte Daten klassifizieren oder Vorhersagen basierend darauf treffen.

Answer

Neue Daten ohne menschliches Eingreifen erstellen.

Answer

Die Datenmenge und ihre Dimension reduzieren.

Question 2

Was ist das Hauptziel von überwachtem Lernen?

Accepted Answer

Modelle zu trainieren, um Vorhersagen auf Basis von annotierten Daten zu treffen.

Answer

Algorithmen beizubringen, selbstständig Entscheidungen zu treffen.

Answer

Menschen die Bereitstellung von annotierten Daten zu erleichtern.

Answer

Komplexe Muster in Daten für Algorithmen erkennbar zu machen.

Question 3

Welcher der folgenden Algorithmen ist ein **überwachtes** Lernverfahren?

Accepted Answer

Lineare Regression

Answer

K-Means-Clusterung

Answer

Prinzipalkomponentenanalyse

Answer

Apriori-Algorithmus

Question 4

Welches Ziel verfolgt das überwachte Lernen?

Accepted Answer

Vorhersagen oder Entscheidungen anhand markierter Daten treffen

Answer

Erkennen von Mustern in unmarkierten Daten

Answer

Reduzierung der Dimensionalität von Daten

Answer

Clustering von Datenpunkten

Question 5

Welcher der folgenden Algorithmen wird für Klassifikationsaufgaben im überwachten Lernen eingesetzt?

Accepted Answer

Entscheidungsbaum

Accepted Answer

Support Vector Machine (SVM)

Answer

Lineare Regression

Answer

k-means-Clustering

Question 6

Welcher Schritt gehört NICHT zum Prozess des überwachten Lernens?

Accepted Answer

Modell bereitstellen

Answer

Daten sammeln und beschriften

Answer

Modell trainieren

Answer

Modell bewerten

Question 7

Was ist ein Merkmal des überwachten Lernens?

Accepted Answer

Es wird verwendet, um Modelle zu trainieren, die Vorhersagen auf der Grundlage von Eingabedaten treffen können.

Answer

Es wird mit unmarkierten Daten trainiert.

Answer

Es kann nur zur Klassifizierung von Daten verwendet werden.

Answer

Es ist eine Unterart des unüberwachten Lernens.

Question 8

Welcher der folgenden Algorithmen wird **nicht** für überwachtes Lernen verwendet?

Accepted Answer

K-Means-Clustering

Answer

Lineare Regression

Answer

Entscheidungsbäume

Answer

Support Vector Machines

Question 9

Welcher der folgenden Parameter bestimmt die maximale Tiefe eines Entscheidungsbaums?

Accepted Answer

Maximale Tiefe des Baums

Answer

Anzahl der Knoten

Answer

Minimale Anzahl von Beispielen pro Blatt

Question 10

**Welcher der folgenden Algorithmen wird im überwachten Lernen verwendet?**

Accepted Answer

Lineare Regression

Answer

Computer Vision

Answer

Natural Language Processing

Answer

K-Means-Clustering

Question 11

**Welche Art von Daten wird zum Trainieren von Algorithmen für überwachtes Lernen verwendet?**

Accepted Answer

Markierte Daten

Answer

Unmarkierte Daten

Answer

Strukturierte Daten

Answer

Unstrukturierte Daten

Question 12

**Was ist das Hauptziel des überwachten Lernens?**

Accepted Answer

Vorhersagen oder Entscheidungen auf der Grundlage markierter Daten zu treffen.

Answer

Daten zu analysieren

Answer

Daten zu visualisieren

Answer

Muster in unmarkierten Daten zu erkennen

Question 13

**Welcher der folgenden Vorteile ist mit überwachtem Lernen verbunden?**

Accepted Answer

Hohe Vorhersagegenauigkeit für bekannte Datensätze

Answer

Immer deterministische Vorhersagen

Answer

Kein Bedarf an markierten Daten

Answer

Erkennung komplexer nichtlinearer Beziehungen

Question 14

**Welcher der folgenden Nachteile ist mit überwachtem Lernen verbunden?**

Accepted Answer

Anfälligkeit für Überanpassung bei begrenzten Daten

Answer

Geringere Genauigkeit für unbekannte Datensätze

Answer

Übermäßige Abhängigkeit von Merkmalsdesign

Answer

Erfordert immer große Datenmengen

Question 15

**Nennen Sie einen Anwendungsbereich des überwachten Lernens.**

Accepted Answer

Betrugserkennung

Answer

Datensynopse

Answer

Datenbereinigung

Answer

Datenexploration

Question 16

**Welche Rolle spielen Merkmale im überwachten Lernen?**

Accepted Answer

Sie repräsentieren die Eingaben für das Lernmodell.

Answer

Sie werden durch den Algorithmus generiert.

Answer

Sie enthalten die Zielvariable.

Answer

Sie werden nach dem Training verworfen.

Question 17

**Was ist die Hauptaufgabe eines überwachten Lernalgorithmus?**

Accepted Answer

Eine Zuordnungsfunktion zwischen Eingabemerkmalen und Ausgabevariablen zu lernen.

Answer

Hypothesen über die Daten zu generieren

Answer

Daten zu transformieren

Answer

Daten zu visualisieren

Question 18

**Welche Metrik wird häufig zur Bewertung der Leistung von Algorithmen für überwachtes Lernen verwendet?**

Accepted Answer

Genauigkeit

Answer

Varianz

Answer

Mittelwert

Answer

Entropie

Question 19

Nennen Sie einen Vorteil von überwachtem Lernen:

Accepted Answer

Fähigkeit, auf Basis markierter Daten Vorhersagen zu treffen

Answer

Erfordert keine großen Datenmengen

Answer

Anwendbar nur für binäre Klassifizierungsprobleme

Question 20

Was ist der Hauptzweck der Merkmalsextraktion beim überwachten Lernen?

Accepted Answer

Reduzierung der Datendimensionalität und Verbesserung der Vorhersageleistung

Answer

Entfernung von Rauschen und Ausreißern

Answer

Erhöhung der Datenmenge

Question 21

Welche der folgenden Messgrößen wird verwendet, um die Leistung eines Klassifizierungsalgorithmus zu bewerten?

Accepted Answer

Genauigkeit

Answer

Varianz

Answer

Standardabweichung

Answer

Mittelwert

Question 22

Was ist ein wesentlicher Unterschied zwischen überwachtem Lernen und unüberwachtem Lernen?

Accepted Answer

Überwachtes Lernen erfordert markierte Daten, während unüberwachtes Lernen dies nicht erfordert

Answer

Überwachtes Lernen wird für Klassifizierungsprobleme verwendet, während unüberwachtes Lernen für Clustering-Probleme verwendet wird

Answer

Überwachtes Lernen ist immer genauer als unüberwachtes Lernen

Question 23

Welches der folgenden ist ein Beispiel für einen Parameter in einem Algorithmus für überwachtes Lernen?

Accepted Answer

Regularisierungsparameter

Answer

Eingabedaten

Answer

Zielvariable

Answer

Vorhersageergebnis

Question 24

Was ist ein wesentliches Merkmal von schwach überwachtem Lernen?

Accepted Answer

Verfügbarkeit von verrauschten oder spärlichen Markierungen

Answer

Erfordert immer eine große Datenmenge

Answer

Kann nur für Klassifizierungsprobleme verwendet werden

Question 25

Welcher der folgenden Algorithmen des überwachten Lernens ist für die Vorhersage kontinuierlicher Werte am besten geeignet?

Accepted Answer

Lineare Regression

Answer

Logistische Regression

Answer

K-nächste Nachbarn

Answer

Entscheidungsbäume

Question 26

Welches ist das Hauptziel der Regularisierung beim überwachten Lernen?

Accepted Answer

Überanpassung reduzieren

Answer

Trainingszeit verkürzen

Answer

Modellkomplexität erhöhen

Answer

Vorhersagegenauigkeit erhöhen

Question 27

Welche Metrik wird zur Bewertung der Leistung eines Klassifikationsmodells verwendet?

Accepted Answer

Genauigkeit

Answer

Varianzaufklärung

Answer

R-Quadrat

Answer

Mittlerer quadratischer Fehler

Question 28

Was ist der Hauptunterschied zwischen einem trainierten Modell und einem überangepassten Modell?

Accepted Answer

Ein überangepasstes Modell weist eine höhere Trainingsgenauigkeit, aber eine schlechtere Verallgemeinerungsleistung auf.

Answer

Ein überangepasstes Modell hat eine höhere Verallgemeinerungsleistung, aber eine geringere Trainingsgenauigkeit.

Question 29

Was ist ein wesentlicher Vorteil der Verwendung von maschinellem Lernen im Vergleich zu traditionellen statistischen Modellen?

Accepted Answer

Maschinelles Lernen kann komplexe und nichtlineare Beziehungen in Daten modellieren.

Answer

Maschinelles Lernen ist immer genauer als traditionelle statistische Modelle.

Answer

Maschinelles Lernen erfordert weniger Daten als traditionelle statistische Modelle.

Question 30

Welche der folgenden Aussagen zur Kreuzvalidierung ist korrekt?

Accepted Answer

Kreuzvalidierung wird verwendet, um die Verallgemeinerungsleistung eines Modells zu schätzen.

Answer

Kreuzvalidierung teilt die Daten immer in nur zwei Teilmengen.

Answer

Kreuzvalidierung ist eine Form der Regularisierung.

Question 31

Was ist ein Hyperparameter eines maschinellen Lernmodells?

Accepted Answer

Ein Parameter, der vor dem Training des Modells festgelegt wird und die Modellstruktur beeinflusst.

Answer

Ein Parameter, der nur für Klassifikationsmodelle gilt.

Answer

Ein Parameter, der sich während des Trainings des Modells ändert.

Question 32

Welche Technik wird verwendet, um die Überanpassung in Entscheidungsbäumen zu reduzieren?

Accepted Answer

Pruning

Answer

Regularisierung

Answer

Boosting

Answer

Bagging

Question 33

Was ist der zentrale Nachteil des überwachten Lernens?

Accepted Answer

Erfordert markierte Trainingsdaten.

Answer

Ist anfällig für Rauschen in den Daten.

Answer

Kann komplexe Beziehungen nicht modellieren.

Answer

Ist rechenintensiv.

Question 34

Welcher der folgenden Algorithmen ist ein Beispiel für einen Entscheidungsbaum?

Answer

Support Vector Machine

Answer

Naive Bayes