Lineare Regression lernen: Grundlagen, Modellanpassung und Koeffizienten

Question 1

Welche der folgenden Aussagen beschreibt die lineare Regression zutreffend?

Accepted Answer

Ein überwachtes Lernverfahren, das ein Modell anhand markierter Daten trainiert.

Accepted Answer

Regularisierung reduziert die Modellkomplexität und verhindert Überanpassung.

Answer

Nur für kontinuierliche Zielvariablen anwendbar.

Answer

Der R-Quadrat-Wert misst die Varianz des Modells in den Trainingsdaten.

Question 2

Was ist die beste Beschreibung für die lineare Regression?

Accepted Answer

Ein Modell, das eine lineare Beziehung zwischen Variablen beschreibt.

Answer

Ein Modell, das keine Annahmen über die Datenverteilung macht.

Answer

Ein Modell, das nur für numerische unabhängige Variablen geeignet ist.

Answer

Ein Modell, das immer die genaueste Vorhersage für abhängige Variablen liefert.

Question 3

Welche Aussage über Regularisierung in der linearen Regression ist richtig?

Accepted Answer

Regularisierung reduziert Überanpassung und verbessert die Modellanpassung.

Answer

Regularisierung erhöht die Varianz und erschwert die Verallgemeinerung.

Answer

Regularisierung ist nur für Datensätze mit vielen Merkmalen wirksam.

Question 4

Welche der folgenden Aussagen charakterisiert die lineare Regression am zutreffendsten?

Accepted Answer

Ein überwachtes maschinelles Lernverfahren, das lineare Beziehungen zwischen abhängigen und unabhängigen Variablen modelliert.

Answer

Ein unüberwachtes Lernverfahren, das Datenpunkte gruppiert.

Question 5

Welche Regularisierungsmethode wird häufig bei linearen Regressionsmodellen eingesetzt?

Accepted Answer

L1-Regularisierung (LASSO)

Answer

Hierarchisches Clustering

Answer

K-Means-Clustering

Answer

Hauptkomponentenanalyse

Question 6

Was bezeichnet der Begriff 'Koeffizient' im Kontext der linearen Regression?

Accepted Answer

Einen Wert, der das Ausmaß und die Richtung der linearen Beziehung zwischen einer unabhängigen und einer abhängigen Variablen misst.

Answer

Einen Wert, der den Fehler des Modells angibt.

Question 7

Mit welcher Metrik lässt sich die Güte eines linearen Regressionsmodells beurteilen?

Accepted Answer

Mittlerer absoluter Fehler (MAE)

Answer

F1-Score

Answer

Präzision

Answer

Recall

Question 8

Was ist das primäre Ziel der linearen Regression?

Accepted Answer

Eine Vorhersagefunktion zu bestimmen, die die Beziehung zwischen unabhängigen und abhängigen Variablen optimal modelliert.

Answer

Die Daten in homogene Gruppen zu unterteilen.

Question 9

Welche Annahme ist eine Voraussetzung für lineare Regressionsmodelle?

Accepted Answer

Linearität zwischen unabhängigen und abhängigen Variablen.

Answer

Unkorrelierte unabhängige Variablen.

Answer

Normalverteilung der Residuen.

Question 10

Welche Aussage beschreibt am besten das Grundkonzept der linearen Regression?

Accepted Answer

Ein statistisches Verfahren, das die lineare Beziehung zwischen einer abhängigen Variablen und einer oder mehreren unabhängigen Variablen modelliert.

Answer

Eine nichtlineare Methode zur Modellierung komplexer Beziehungen.

Answer

Ein Algorithmus zur automatischen Feature-Auswahl.

Question 11

Welches ist das Hauptziel der Regularisierung bei der linearen Regression?

Accepted Answer

Überanpassung reduzieren und die Generalisierungsfähigkeit des Modells verbessern.

Answer

Die Genauigkeit des Modells erhöhen.

Answer

Die Anzahl der Features im Modell minimieren.

Question 12

Welche Methode wird üblicherweise verwendet, um die Koeffizienten eines linearen Regressionsmodells zu schätzen?

Accepted Answer

Methode der kleinsten Quadrate

Answer

K-Means-Clustering

Answer

Bayesianische Inferenz

Answer

Maximum-Likelihood-Schätzung

Question 13

Welcher Vorteil ist mit der Verwendung linearer Regressionsmodelle verbunden?

Accepted Answer

Einfache Interpretation der Koeffizienten und Vorhersagen.

Answer

Extrem hohe Genauigkeit.

Answer

Unempfindlichkeit gegenüber Ausreißern.

Question 14

Was bedeutet ein Bestimmtheitsmaß (R²) nahe 1?

Accepted Answer

Das Modell erklärt einen hohen Anteil der Variabilität in den Daten.

Answer

Das Modell ist perfekt genau.

Answer

Das Modell ist frei von Überanpassung.

Question 15

Welcher Faktor kann zu verzerrten Koeffizientenschätzungen in einem linearen Regressionsmodell führen?

Accepted Answer

Korrelation zwischen unabhängigen Variablen (Multikollinearität).

Answer

Zufällige Stichprobenfehler.

Answer

Nichtlinearität in den Daten.

Answer

Große Stichprobengröße.

Question 16

Welche Aussage beschreibt korrekt die Residuen eines linearen Regressionsmodells?

Accepted Answer

Die Differenz zwischen beobachteten und vorhergesagten Werten.

Answer

Direkt als Maß für die Genauigkeit des Modells verwendbar.

Answer

Immer normalverteilt.

Question 17

Welches Diagnoseplott hilft bei der Erkennung von Heteroskedastizität in einem linearen Regressionsmodell?

Accepted Answer

Streudiagramm der Residuen gegen die vorhergesagten Werte.

Answer

Normalwahrscheinlichkeitsdiagramm.

Answer

Streudiagramm der unabhängigen Variablen.

Answer

Quantile-Quantile-Plot.

Question 18

Welche Methode wird zur Schätzung der Koeffizienten eines linearen Regressionsmodells eingesetzt?

Accepted Answer

Methode der kleinsten Quadrate

Answer

Newton-Verfahren

Answer

K-Means-Clustering

Answer

Gradientenabstieg

Question 19

Welches Ziel verfolgt die Regularisierung in der linearen Regression?

Accepted Answer

Überanpassung verhindern

Answer

Modellleistung steigern

Answer

Modellinterpretation verbessern

Answer

Vorhersagegenauigkeit senken

Question 20

Welche Aussage beschreibt korrekt die Bedeutung eines positiven Koeffizienten in einem linearen Regressionsmodell?

Accepted Answer

Bei Zunahme des zugehörigen Prädiktors steigt die Zielvariable

Answer

Der zugehörige Prädiktor hat keinen Einfluss auf die Zielvariable

Answer

Bei Zunahme des zugehörigen Prädiktors nimmt die Zielvariable ab

Question 21

Welches Kriterium wird herangezogen, um die Anpassungsgüte eines linearen Regressionsmodells zu beurteilen?

Accepted Answer

R-Quadrat

Answer

Akaike-Informationskriterium

Answer

F-Statistik

Answer

Mittlerer absoluter Fehler

Question 22

Welche Auswirkung hat die Normalisierung von Prädiktoren in einem linearen Regressionsmodell?

Accepted Answer

Verbesserte numerische Stabilität

Answer

Erhöhter R-Quadrat-Wert

Answer

Veränderte Interpretation von Koeffizienten

Answer

Reduzierte Überanpassung

Question 23

Welche Annahme wird bezüglich der Fehlerterme in einem linearen Regressionsmodell getroffen?

Accepted Answer

Normalverteilung

Answer

Heteroskedastizität

Answer

Autokorrelation

Answer

Bimodalität

Question 24

Worin besteht der wesentliche Unterschied zwischen einfacher und multipler linearer Regression?

Accepted Answer

Anzahl der Prädiktoren

Answer

Modelltyp

Answer

Interpretierbarkeit

Answer

Anwendungsbereich

Question 25

Welche Bibliothek kann in Python zum Erstellen linearer Regressionsmodelle verwendet werden?

Accepted Answer

Scikit-learn

Answer

NumPy

Answer

TensorFlow

Answer

PyTorch

Question 26

Welche Aussage beschreibt das primäre Ziel der linearen Regression am treffendsten?

Accepted Answer

Ermitteln der linearen Beziehung zwischen einer abhängigen und einer oder mehreren unabhängigen Variablen

Answer

Erstellen eines Modells zur Vorhersage komplexer qualitativer Ergebnisse

Question 27

Welche der aufgeführten Regularisierungsmethoden dient dazu, Überanpassung in linearen Regressionsmodellen zu verhindern?

Accepted Answer

Lasso

Answer

Clusteranalyse

Answer

Datenskalierung

Answer

Hauptkomponentenanalyse

Question 28

Was bedeutet der R-Quadrat-Wert in der linearen Regression?

Accepted Answer

Er gibt den Anteil der Varianz der abhängigen Variablen an, der durch das Modell erklärt wird

Answer

Er bestimmt den vorhergesagten Wert der abhängigen Variablen

Answer

Er zeigt die Richtung der Beziehung zwischen den Variablen an

Question 29

Wie wird der Koeffizient einer unabhängigen Variablen in der linearen Regression interpretiert?

Accepted Answer

Er gibt die Veränderung der abhängigen Variablen für jede Einheit der Veränderung der unabhängigen Variablen an, während alle anderen Variablen konstant gehalten werden

Answer

Er stellt den Wert der abhängigen Variablen dar, wenn die unabhängige Variable Null ist

Question 30

Nennen Sie einen Vorteil der linearen Regression gegenüber anderen Regressionsmodellen.

Accepted Answer

Einfache Interpretation und effizientere Berechnungen

Answer

Keine Annahmen über die Verteilung der Daten

Answer

Hohe Genauigkeit auch bei nichtlinearen Daten

Answer

Unempfindlichkeit gegenüber Ausreißern

Question 31

Welche Annahmen müssen bei der Anwendung der linearen Regression erfüllt sein?

Accepted Answer

Linearität, Homoskedastizität und Normalverteilung der Residuen

Answer

Gleiche Abstände zwischen den Datenpunkten, positive Koeffizienten und große Stichprobengröße

Answer

Nicht korrelierte Variablen, Normalverteilung der Eingaben und keine Ausreißer

Question 32

In welchem Fall ist eine Polynomregression anstelle einer linearen Regression anzuwenden?

Accepted Answer

Wenn die Beziehung zwischen den Variablen nichtlinear ist

Answer

Wenn die Daten normalverteilt sind

Answer

Wenn die Residuen homoskedastisch sind

Question 33

Was ist das Hauptziel der Regularisierung in der linearen Regression?

Accepted Answer

Verbessern der Vorhersageleistung durch Reduzierung von Überanpassung

Answer

Erhöhen der Interpretierbarkeit des Modells

Answer

Verringern der Rechenzeit

Question 34

Welche der folgenden Aussagen zur linearen Regression ist **nicht** korrekt?

Accepted Answer

Sie ist eine nichtlineare Methode.

Answer

Sie kann für Vorhersagen und die Gewinnung von Erkenntnissen aus Daten verwendet werden.

Answer

Sie modelliert die Beziehung zwischen einer abhängigen und einer oder mehreren unabhängigen Variablen.

Answer

Die Modellparameter werden durch Minimierung einer Kostenfunktion geschätzt.

Question 35

Was ist der Hauptzweck der Regularisierung in der linearen Regression?

Accepted Answer

Überanpassung zu verhindern und die Generalisierungsleistung zu verbessern.

Answer

Die Anzahl der Modellparameter zu verringern.

Answer

Die Kostenfunktion zu minimieren.

Question 36

Welche der folgenden Metriken wird bei der Bewertung eines linearen Regressionsmodells NICHT verwendet?

Accepted Answer

Sensitivität

Answer

MAE (Mean Absolute Error)

Answer

RMSE (Root Mean Squared Error)

Answer

R-Quadrat

Question 37

Was gibt der Koeffizient einer unabhängigen Variablen in einem linearen Regressionsmodell an?

Accepted Answer

Die erwartete Änderung der abhängigen Variablen pro Einheit der unabhängigen Variablen, unter der Annahme, dass alle anderen Variablen konstant gehalten werden.

Answer

Die Stärke der Beziehung zwischen den Variablen.

Answer

Die Richtung der Beziehung zwischen den Variablen.

Question 38

Welche der folgenden Annahmen wird bei der linearen Regression getroffen?

Accepted Answer

Linearität, Normalverteilung der Residuen, Homoskedastizität

Answer

Linearität, Poisson-Verteilung der Residuen, Homoskedastizität

Answer

Nichtlinearität, Normalverteilung der Residuen, Heteroskedastizität

Question 39

Was ist das primäre Ziel der Gradientenabstiegsoptimierung im Kontext der linearen Regression?

Accepted Answer

Die Kostenfunktion zu minimieren und die Modellparameter zu aktualisieren, um die Vorhersagegenauigkeit zu verbessern.

Answer

Berechnen der Vorhersagen

Answer

Maximieren der Likelihood-Funktion

Question 40

Welche der folgenden Anwendungen ist ein typischer Anwendungsfall für die lineare Regression in praktischen Szenarien?

Accepted Answer

Vorhersagen von zukünftigen Werten, Gewinnen von Erkenntnissen aus Daten, Durchführen von Trendanalysen

Answer

Clustering von Daten

Answer

Lösen von Klassifikationsproblemen

Question 41

Welcher Koeffizient in einem linearen Regressionsmodell gibt den Einfluss einer unabhängigen Variablen auf die abhängige Variable an?

Accepted Answer

Steigung

Answer

Korrelationskoeffizient

Answer

Y-Achsenabschnitt

Answer

Determinationskoeffizient (R-Quadrat)

Question 42

Welche Methode wird in der linearen Regression verwendet, um die beste lineare Beziehung zwischen zwei Variablen zu finden?

Accepted Answer

Methode der kleinsten Quadrate

Answer

Entropiemaximierung

Answer

Maximum-Likelihood-Schätzung

Answer

Bayesianische Schätzung

Question 43

Welche Metrik misst die durchschnittliche Abweichung zwischen den vorhergesagten und tatsächlichen Werten im Quadrat?

Accepted Answer

Mean Squared Error (MSE)

Answer

R-Quadrat-Wert

Answer

Mittlerer absoluter Fehler (MAE)

Answer

Root Mean Squared Error (RMSE)

Question 44

Welcher Nachteil ist typisch für die lineare Regression?

Accepted Answer

Sie kann komplexe, nichtlineare Beziehungen zwischen Variablen nicht erfassen.

Answer

Sie ist anfällig für Ausreißer.

Answer

Sie ist rechnerisch ineffizient.

Answer

Sie ist schwierig zu interpretieren.

Question 45

Welche Annahme wird bei der linearen Regression über die Fehlerterme getroffen?

Accepted Answer

Normalverteilung mit Mittelwert Null

Answer

Poisson-Verteilung

Answer

Gleichverteilung

Answer

Binomialverteilung

Question 46

Welche Schritte gehören zum typischen Workflow der linearen Regression?

Accepted Answer

Datenbereinigung, Modellanpassung, Modellbewertung

Answer

Modellanpassung, Modellbewertung, Datenbereinigung

Answer

Datenbereinigung, Modelltraining, Modellbereitstellung

Answer

Datenexploration, Modellbereitstellung, Modelltraining

Question 47

Welcher Schritt ist **nicht** Teil des typischen Prozesses der linearen Regression?

Accepted Answer

Datenerhebung

Answer

Regularisierung

Answer

Modellanpassung

Answer

Interpretation der Koeffizienten

Question 48

Was ist der Hauptzweck der Regularisierung bei der linearen Regression?

Accepted Answer

Überanpassung (Overfitting) des Modells zu verhindern

Answer

Die Modellkomplexität zu reduzieren

Answer

Die Vorhersagegenauigkeit zu erhöhen

Answer

Die Interpretierbarkeit des Modells zu verbessern

Question 49

Welche Aussage über den Beta-Koeffizienten in einem linearen Regressionsmodell ist **falsch**?

Accepted Answer

Er gibt den Einfluss einer unabhängigen Variablen auf die abhängige Variable an, unabhängig von den anderen Variablen.

Answer

Er kann Werte zwischen -1 und 1 annehmen.

Answer

Er gibt den Einfluss einer unabhängigen Variablen auf die abhängige Variable an, wenn alle anderen Variablen konstant gehalten werden.

Question 50

Welche Aussage beschreibt das Hauptziel der linearen Regression?

Accepted Answer

Modellierung der linearen Beziehung zwischen einer abhängigen Variablen und einer oder mehreren unabhängigen Variablen.

Answer

Klassifizierung von Datenpunkten in verschiedene Kategorien.

Question 51

Welche Methode wird typischerweise zur Schätzung der Koeffizienten in einem linearen Regressionsmodell eingesetzt?

Accepted Answer

Methode der kleinsten Quadrate

Answer

Gradientenabstieg

Answer

K-Means-Clustering

Answer

Regressionsbaum

Question 52

Welcher Begriff bezeichnet in einem linearen Regressionsmodell die Differenz zwischen den vorhergesagten und den tatsächlichen Werten der abhängigen Variablen?

Accepted Answer

Residuum

Answer

Koeffizient

Answer

Abschnitt

Answer

Steigung

Question 53

Welcher Zweck liegt der Regularisierung in linearen Regressionsmodellen zugrunde?

Accepted Answer

Vermeidung von Überanpassung und Verbesserung der Vorhersageleistung.

Answer

Erhöhung der Komplexität des Modells

Answer

Beschleunigung des Trainingsprozesses

Question 54

Wie ist die Interpretation von Regressionskoeffizienten in linearen Modellen?

Accepted Answer

Ein positiver Koeffizient deutet darauf hin, dass eine Zunahme des entsprechenden unabhängigen Variablenwerts mit einer Zunahme des abhängigen Variablenwerts einhergeht.

Answer

Ein negativer Koeffizient bedeutet, dass die beiden Variablen nicht miteinander korrelieren.

Question 55

Welche Annahme liegt der linearen Regression zugrunde?

Accepted Answer

Normalverteilung der Residuen

Answer

Gleichmäßige Verteilung der Datenpunkte über den Wertebereich

Answer

Kategoriale abhängige Variable

Answer

Abwesenheit von Korrelation zwischen den unabhängigen Variablen

Question 56

Welche Art von Variable kann als abhängige Variable in einem linearen Regressionsmodell verwendet werden?

Accepted Answer

Kontinuierliche Variable

Answer

Kategoriale Variable mit mehr als zwei Kategorien

Answer

Zeitreihe

Answer

Binäre Variable

Question 57

Welcher Schritt ist ein wesentlicher Bestandteil des Workflows der linearen Regression?

Accepted Answer

Datenbereinigung und -aufbereitung

Answer

Visualisierung der Ergebnisse

Answer

Hyperparameteroptimierung

Answer

Modellbereitstellung

Question 58

Was ist die Gleichung für eine einfache lineare Regression mit einer unabhängigen Variablen?

Accepted Answer

y = b0 + b1x

Answer

y = b0 + b1x + b2x^2

Answer

y = b0 + b1x1 + b2x2

Answer

y = b0 + b1/x

Question 59

Welches Kriterium wird zur Bewertung der Güte eines linearen Regressionsmodells herangezogen?

Accepted Answer

Mittlerer quadratischer Fehler (MSE)

Answer

Akaike-Informationskriterium (AIC)

Answer

Korrelationskoeffizient

Answer

F-Statistik

Question 60

Welche der folgenden Methoden wird zur Schätzung der Koeffizienten b0 und b1 in der linearen Regression verwendet?

Accepted Answer

Methode der kleinsten Quadrate

Answer

Maximum-Likelihood-Schätzung

Answer

Bayes'sche Schätzung

Answer

Lasso-Regularisierung

Question 61

Was ist Regularisierung in der linearen Regression?

Accepted Answer

Eine Technik zur Verringerung der Überanpassung des Modells und zur Verbesserung der Verallgemeinerungsleistung.

Answer

Eine Methode zur Erhöhung der Anzahl der unabhängigen Variablen im Modell.

Question 62

Welche der folgenden Regularisierungsmethoden ist eine L1-Regularisierung?

Accepted Answer

Lasso

Answer

Elastisches Netz

Answer

Kamm

Answer

Ridge

Question 63

Was ist der R-Quadrat-Wert?

Accepted Answer

Ein Maß für die Güte der Anpassung des Modells.

Answer

Ein Maß für den p-Wert des Modells.

Answer

Ein Maß für die Varianz in den abhängigen Variablen.

Answer

Ein Maß für die Anzahl der unabhängigen Variablen.

Question 64

Welche der folgenden Aussagen beschreibt eine Annahme der linearen Regression?

Accepted Answer

Die abhängige Variable folgt einer Normalverteilung.

Answer

Die Beziehung zwischen den Variablen ist nichtlinear.

Answer

Die unabhängigen Variablen sind kategorial.