Quiz zur Bewertung von Machine-Learning-Modellen in der Datenanalyse

Question 1

Welche Metrik misst das Ausmaß der Übereinstimmung zwischen vorhergesagten und tatsächlichen Werten in einem Regressionsmodell?

Accepted Answer

R-Quadrat

Answer

Präzision

Answer

Rückschau

Answer

Mittlerer absoluter Fehler (MAE)

Question 2

Wie hängen die Geschäftsziele mit der Auswahl der Metriken zur Bewertung von Machine-Learning-Modellen zusammen? Nenne ein konkretes Beispiel.

Accepted Answer

Die Metriken sollten die Geschäftsziele widerspiegeln, wie z. B. Umsatzsteigerung oder verbesserte Kundenzufriedenheit.

Answer

Metriken sollten möglichst komplex und technisch anspruchsvoll sein, um hohe Genauigkeit zu gewährleisten.

Answer

Metriken sollten nur auf technischen Aspekten wie Genauigkeit basieren, ohne die Geschäftsziele zu berücksichtigen.

Answer

Metriken haben keinen Einfluss auf die Geschäftsrelevanz von Machine-Learning-Modellen.

Question 3

Welche Kennzahl misst die Fähigkeit eines Modells, tatsächliche Werte vorherzusagen?

Accepted Answer

Genauigkeit

Answer

Präzision

Answer

Rückruf

Answer

F1-Kennzahl

Question 4

Welche Diagrammart stellt die Leistung eines Klassifizierungsmodells grafisch dar?

Accepted Answer

ROC-Kurve

Answer

Streudiagramm

Answer

Histogramm

Answer

Streuungsmatrix

Question 5

Welche Methode wird eingesetzt, um die Stabilität und Robustheit von Machine-Learning-Modellen zu verbessern?

Accepted Answer

Ensemble-Methoden

Answer

Clusterbildung

Answer

Hauptkomponentenanalyse

Answer

Neuronale Netze

Question 6

Welche Metrik misst die mittlere absolute Abweichung der vorhergesagten Werte von den tatsächlichen Werten?

Accepted Answer

Mittlerer absoluter Fehler

Answer

Mittlerer quadratischer Fehler

Answer

F1-Score

Answer

Recall

Question 7

Was ist der primäre Zweck der Kreuzvalidierung?

Accepted Answer

Die Leistung auf neuen Daten schätzen

Answer

Überanpassung reduzieren

Answer

Modellparameter optimieren

Answer

Die Rechenleistung minimieren

Question 8

Welche Bedeutung hat der Begriff 'Erklärungskraft' im Zusammenhang mit der Evaluierung von ML-Modellen?

Accepted Answer

Die Fähigkeit des Modells, die zugrunde liegenden Daten zu beschreiben

Answer

Die Fähigkeit des Modells, vorherzusagen

Answer

Die Komplexität des Modells

Answer

Die Geschwindigkeit des Modells

Question 9

Welche Technik ermöglicht die Bewertung der Robustheit eines Modells gegenüber Überanpassung?

Accepted Answer

Kreuzvalidierung

Answer

Hyperparameter-Optimierung

Answer

Regularisierung

Answer

Feature-Engineering

Question 10

Was misst die R-Quadrat-Statistik?

Accepted Answer

Den durch das Modell erklärten Varianzanteil

Answer

Die Wahrscheinlichkeit eines korrekten Vorhersagefehlers

Answer

Die Anzahl der falsch-positiven Vorhersagen

Answer

Die Differenz zwischen vorhergesagten und tatsächlichen Werten

Question 11

Wie lässt sich die Bias-Varianz-Abwägung beschreiben?

Accepted Answer

Als Kompromiss zwischen Anpassung an die Trainingsdaten und Verallgemeinerungsfähigkeit auf neue Daten.

Answer

Als Methode zur Reduzierung von Überanpassung.

Answer

Als Quelle von Modellfehlern.

Answer

Als Möglichkeit, die Komplexität des Modells zu steuern.

Question 12

Wodurch unterscheidet sich die Genauigkeit vom F1-Score?

Accepted Answer

Genauigkeit misst die wahre positive Rate, während F1-Score auch Präzision und Rückruf berücksichtigt.

Answer

F1-Score misst die wahre negative Rate, während Genauigkeit dies nicht tut.

Answer

Genauigkeit ist eine globale Metrik, während F1-Score klassenweise ist.

Answer

F1-Score kann negative Werte annehmen, während Genauigkeit dies nicht tut.

Question 13

Welche der folgenden Optionen stellt eine besondere Herausforderung bei der Evaluierung von Machine-Learning-Modellen für Datensätze mit Klassenungleichgewicht dar?

Accepted Answer

Klassenungleichgewicht

Answer

Überanpassung

Answer

Fehlende Daten

Answer

Rauschen

Question 14

Wie können voreingenommene oder nicht repräsentative Daten die Bewertung von Machine-Learning-Modellen beeinträchtigen?

Accepted Answer

Voreingenommene Daten können zu einer verzerrten Einschätzung der Modellleistung führen.

Accepted Answer

Nicht repräsentative Daten können die Verallgemeinerbarkeit der Modellergebnisse einschränken.

Answer

Voreingenommene Daten haben keinen Einfluss auf die Interpretation der Modellergebnisse.

Answer

Nicht repräsentative Daten führen immer zu einer Überanpassung des Modells.

Question 15

Welche Metrik wird **ausschließlich** zur Beurteilung der Güte von Regressionsmodellen eingesetzt?

Accepted Answer

R-Quadrat

Answer

Genauigkeit

Answer

F1-Score

Answer

AUC-ROC-Kurve

Question 16

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

Accepted Answer

Genauigkeit

Answer

Mittlerer absoluter Fehler

Answer

Varianzaufklärung

Question 17

Welche Metrik ist optimal zur Beurteilung der Qualität eines Regressionsmodells?

Accepted Answer

Mittlerer absoluter Fehler (MAE)

Answer

Genauigkeit

Answer

Präzision

Answer

AUC-ROC

Question 18

Was ist der Hauptzweck der ROC-Kurve?

Accepted Answer

Bewertung der Klassifikatorleistung über verschiedene Schwellenwerte

Answer

Bewertung der Modellanfälligkeit gegenüber Rauschen

Answer

Visualisierung der Verteilung von Vorhersagewahrscheinlichkeiten

Answer

Ermittlung der optimalen Hyperparameter

Question 19

Was ist ein Vorteil der Verwendung von Konfidenzintervallen bei der Modellbewertung?

Accepted Answer

Bereitstellung eines Bereichs möglicher Modellleistungen

Answer

Vereinfachung des Modellauswahlprozesses

Answer

Verringerung der Varianz der Vorhersagen

Answer

Eliminierung von Bias im Modell

Question 20

Welche Klassifikationsmetrik misst die Fähigkeit eines Modells, negative Beobachtungen korrekt zu klassifizieren?

Accepted Answer

Recall

Answer

F1-Score

Answer

Genauigkeit

Answer

Präzision

Question 21

Welche Metrik misst die Fähigkeit eines Klassifikators, negative Beobachtungen korrekt als negativ zu identifizieren?

Accepted Answer

Spezifität

Answer

Recall

Answer

Genauigkeit

Answer

F1-Score

Question 22

Welche Metrik misst den Anteil der korrekt klassifizierten Instanzen in einem Klassifizierungsmodell?

Accepted Answer

Genauigkeit

Answer

Spezifität

Answer

Sensitivität

Question 23

Welche Technik wird verwendet, um die Generalisierungsfähigkeit eines Machine-Learning-Modells zu bewerten?

Accepted Answer

Kreuzvalidierung

Answer

Regularisierung

Answer

Train-Test-Split

Answer

Grid-Search

Question 24

Welche Metrik misst die Gesamtqualität eines Modells unter Berücksichtigung von Spezifität und Sensitivität?

Accepted Answer

F1-Score

Answer

AUC-ROC

Answer

Genauigkeit

Answer

R2-Score

Question 25

Welche Metrik wird zur Bewertung der Leistung eines Regressionsmodells verwendet?

Accepted Answer

R2-Score

Answer

Genauigkeit

Answer

F1-Score

Answer

Spezifität

Question 26

Welche Technik kann verwendet werden, um die besten Hyperparameter für ein Machine-Learning-Modell zu finden?

Accepted Answer

Grid-Search

Answer

Boosting

Answer

Kreuzvalidierung

Answer

Early Stopping

Question 27

Welche Metrik misst die Fläche unter der Empfängerbetriebskurve (ROC-Kurve)?

Accepted Answer

AUC-ROC

Answer

Genauigkeit

Answer

F1-Score

Answer

Spezifität

Question 28

Welche Metrik misst den Anteil falsch negativer Ergebnisse in einem Klassifizierungsmodell?

Accepted Answer

Sensitivität

Answer

Genauigkeit

Answer

AUC-ROC

Answer

Spezifität

Question 29

Welche Metrik misst die Fähigkeit eines Modells, nicht gesehene Daten korrekt vorherzusagen?

Accepted Answer

Generalisierungsfehler

Answer

Trainingsfehler

Answer

Anpassungsfehler

Answer

Klassifizierungsgenauigkeit

Question 30

Welches Ensembleverfahren wird verwendet, um die Robustheit eines Modells gegenüber Rauschen und Ausreißern zu bewerten?

Accepted Answer

Bagging

Answer

Boosting

Answer

Stapeln

Answer

Bootstrapping

Question 31

Welche Aussage beschreibt den Unterschied zwischen Präzision und Rückruf?

Accepted Answer

Präzision misst den Anteil der korrekt vorhergesagten Positiven, während Rückruf den Anteil der korrekt vorhergesagten wahren Positiven misst.

Answer

Präzision misst den Anteil der korrekt vorhergesagten Negativen, während Rückruf den Anteil der korrekt vorhergesagten wahren Negative misst.

Question 32

Welche Metrik wird zur Bewertung der Leistung von Regressionsmodellen verwendet?

Accepted Answer

Mittlerer quadratischer Fehler

Answer

Klassifizierungsgenauigkeit

Answer

ROC-Kurve

Answer

AUC

Question 33

Welcher Vorteil ist mit der Verwendung von Entscheidungsbäumen bei der Modellauswertung verbunden?

Accepted Answer

Leichte Interpretierbarkeit und keine Parametrisierung erforderlich

Answer

Effizientes Training mit großen Datensätzen

Answer

Hohe Genauigkeit und Robustheit gegenüber Ausreißern

Question 34

Welche Methode kann zur Optimierung der Hyperparameter eines Modells verwendet werden?

Accepted Answer

Gittersuche

Answer

Bootstrapping

Answer

Stapeln

Answer

Kreuzvalidierung

Question 35

Was ist der Zweck der Verwendung von Regularisierern bei der Modellauswertung?

Accepted Answer

Verhinderung von Überanpassung und Verbesserung der Generalisierungsfähigkeit

Answer

Erhöhung der Trainingszeit

Answer

Reduzierung der Modellkomplexität

Question 36

Welche Aussage über die Verwendung von statistischen Signifikanztests bei der Modellauswertung ist wahr?

Accepted Answer

Sie können verwendet werden, um die statistische Signifikanz von Unterschieden zwischen Modellen zu bestimmen.

Answer

Sie sollten immer verwendet werden, um die Leistung von Modellen zu bewerten.

Question 37

Welche Metrik misst den Anteil der korrekt klassifizierten Instanzen?

Accepted Answer

Genauigkeit

Answer

F1-Score

Answer

Cohens Kappa

Answer

AUC

Question 38

Welcher Datentypentest stellt sicher, dass numerische Merkmale einen sinnvollen Wertebereich aufweisen?

Accepted Answer

Bereichstest

Answer

Korrelationstest

Answer

Hypothesentest

Answer

Normalitätstest

Question 39

Welche Methode zur Modellbewertung beinhaltet die Aufteilung des Datensatzes in Trainings- und Testsätze, die mehrfach getauscht werden?

Accepted Answer

k-fache Kreuzvalidierung

Answer

Bootstrapping

Answer

Holdout-Methode

Answer

Bagging

Question 40

Welcher Metriktyp misst die Fähigkeit eines Klassifikators, falsch negative Vorhersagen zu vermeiden?

Accepted Answer

Recall

Answer

F1-Score

Answer

Präzision

Answer

AUC

Question 41

Welche Technik wird verwendet, um die Robustheit eines ML-Modells zu verbessern, indem mehrere Modelle kombiniert werden?

Accepted Answer

Ensemble-Lernen

Answer

Frühzeitiges Stoppen

Answer

Datenvergrößerung

Answer

Dropout

Question 42

Welcher Metriktyp misst den Abstand zwischen tatsächlichen und vorhergesagten Werten?

Accepted Answer

Regressionsmetrik

Answer

Ranking-Metrik

Answer

Klassifizierungsmetrik

Answer

Clustering-Metrik

Question 43

Welche Methode zur Modellbewertung beinhaltet die Verwendung mehrerer Modelle zur Vorhersage und die Kombination ihrer Ergebnisse?

Accepted Answer

Ensemble-Bewertung

Answer

Kreuzvalidierungsbewertung

Answer

Einzelauswertungsmodell

Question 44

Welcher Datentest prüft, ob die Verteilung eines Merkmals einer Normalverteilung entspricht?

Accepted Answer

Normalitätstest

Answer

t-Test

Answer

ANOVA

Answer

Chi-Quadrat-Test

Question 45

Welche Metrik misst die Fähigkeit eines Modells, Betrug zu erkennen und gleichzeitig Fehlalarme zu minimieren?

Accepted Answer

AUC

Answer

Recall

Answer

Genauigkeit

Question 46

Welche Metrik wird verwendet, um die Fähigkeit eines Klassifikators zu messen, positive Instanzen korrekt zu klassifizieren?

Accepted Answer

Precision

Answer

F1-Score

Answer

Recall

Question 47

Was ist der vorrangige Zweck von Cross-Validierung bei der Modellauswertung?

Accepted Answer

Genaue Schätzung der Verallgemeinerungsleistung des Modells

Answer

Verbesserung der Modellrobustheit

Answer

Reduzierung von Überanpassung

Question 48

Was ist der entscheidende Unterschied zwischen interner und externer Modellauswertung?

Accepted Answer

Interne Auswertung nutzt Trainingsdaten, während externe Auswertung unabhängige Daten verwendet

Answer

Interne Auswertung ist stets zuverlässiger als externe Auswertung

Answer

Externe Auswertung ist immer kostspieliger als interne Auswertung

Question 49

Was ist der zentrale Vorteil der Anwendung von Ensemble-Methoden wie Random Forest?

Accepted Answer

Verbesserte Genauigkeit und Robustheit

Answer

Vereinfachte Modellauswahl

Answer

Verringerte Trainingszeit

Answer

Geringerer Speicherbedarf

Question 50

Welche Metrik ist geeignet, um die Effizienz eines Modells zu messen?

Accepted Answer

Laufzeit

Answer

Genauigkeit

Answer

Robustheit

Answer

Erklärbarkeit

Question 51

Was ist das vorrangige Ziel der Modellauswertung im Bereich des maschinellen Lernens?

Accepted Answer

Bewertung der Modellleistung und Identifizierung von Verbesserungsmöglichkeiten

Answer

Bereinigung und Vorverarbeitung der Daten

Answer

Training und Optimierung des Modells

Question 52

Welche der folgenden Metriken wird speziell zur Bewertung der Leistung von Klassifikationsmodellen eingesetzt?

Accepted Answer

F1-Score

Answer

Korrelationskoeffizient

Answer

Mittlerer absoluter Fehler

Answer

R2

Question 53

Was stellt der AUC-ROC-Wert (Area Under Curve - Receiver Operating Characteristic) für ein binäres Klassifikationsmodell dar?

Accepted Answer

Die Wahrscheinlichkeit, dass ein zufällig ausgewähltes positives Beispiel einen höheren Wert erhält als ein zufällig ausgewähltes negatives Beispiel

Answer

Der Anteil korrekt klassifizierter positiver Beispiele

Question 54

Welcher Metriktyp eignet sich für die Berücksichtigung unterschiedlicher Fehlklassifizierungskosten bei verschiedenen Klassen in einem Klassifizierungsmodell?

Accepted Answer

Klasse-gewichtete Metriken

Answer

AUC-ROC-Werte

Answer

Schwellenwert-unabhängige Metriken

Answer

ROC-Kurven-basierte Metriken

Question 55

Worin besteht der wesentliche Unterschied zwischen Präzision und Rückruf?

Accepted Answer

Präzision misst den Anteil korrekt positiver Vorhersagen unter allen positiven Vorhersagen, während Rückruf den Anteil korrekt positiver Vorhersagen unter allen tatsächlich positiven Werten misst.

Answer

Präzision misst den Anteil korrekt negativer Vorhersagen unter allen negativen Vorhersagen, während Rückruf den Anteil korrekt positiver Vorhersagen unter allen tatsächlich negativen Werten misst.

Question 56

Welches der aufgeführten Elemente ist KEIN Kriterium für die Auswahl einer geeigneten Metrik zur Evaluierung eines Machine-Learning-Modells?

Accepted Answer

Verfügbarkeit von Rechenleistung

Answer

Zielsetzung der Modellierung

Answer

Art des Problems

Answer

Datenverteilung

Question 57

Was ist das primäre Ziel einer Bereichsanalyse (Domain Analysis)?

Accepted Answer

Ermittlung der Grenzen und Einschränkungen eines Machine-Learning-Modells

Answer

Optimierung der Hyperparameter eines Modells

Answer

Bewertung der Modellleistung auf unterschiedlichen Datensätzen

Question 58

Welche der folgenden Aussagen zur Interpretation von Metriken ist richtig?

Accepted Answer

Die Interpretation von Metriken ist abhängig vom jeweiligen Problemkontext und den Modellierungszielen.

Answer

Ein hoher Metrikwert garantiert immer ein gutes Modell.

Answer

Metriken sollten immer als absolute Werte betrachtet werden.

Question 59

Welche Technik dient dazu, Überanpassung in einem Machine-Learning-Modell zu vermeiden, indem es verschiedene Versionen des Modells mit leicht unterschiedlichen Datensätzen trainiert?

Accepted Answer

Bagging

Answer

Regularisierung

Answer

Kreuzvalidierung

Answer

Feature-Auswahl

Question 60

Welcher Parameter in einem logistischen Regressionsmodell bestimmt den Grad der Trennung zwischen den beiden Klassen?

Accepted Answer

Trenngrenzen-Koeffizient

Answer

Regularisierungsparameter

Answer

Abschnitt

Answer

Lernrate

Question 61

Welche Metrik wird verwendet, um die Ähnlichkeit zwischen Clustern in einem Clustering-Algorithmus zu messen?

Accepted Answer

Silhouettenkoeffizient

Answer

Präzision

Answer

Accuracy

Answer

F1-Score

Question 62

Welche Methode wird verwendet, um den Beitrag einzelner Features zur Vorhersageleistung eines Machine-Learning-Modells zu bestimmen?

Accepted Answer

Feature-Wichtigkeit

Answer

Hyperparameter-Tuning

Answer

Modellselektion

Answer

Kreuzvalidierung

Question 63

Welcher Ansatz ermöglicht es, die Leistung eines Machine-Learning-Modells über verschiedene Datensätze hinweg zu bewerten, ohne diese in Trainings- und Testdatensatz aufzuteilen?

Accepted Answer

Kreuzvalidierung

Answer

Train-Test-Splitting

Answer

Holdout-Validierung

Answer

Bootstrapping

Question 64

Welches Diagramm wird verwendet, um die Differenz zwischen den tatsächlichen und vorhergesagten Werten in einem Regressionsmodell grafisch darzustellen?

Accepted Answer

Residuenplot

Answer

Boxplot

Answer

Scatterplot

Answer

Histogramm