Unüberwachtes Lernen: Quizfragen und Übungen für Informatik-Studierende

Question 1

Was ist die korrekte Definition von unüberwachtem Lernen?

Accepted Answer

Versteckte Muster und Strukturen in Daten werden identifiziert.

Answer

Daten werden von menschlichen Experten beschriftet.

Answer

Menschliches Eingreifen ist während des Trainings erforderlich.

Question 2

Welche der folgenden Aussagen beschreibt ein Merkmal unüberwachter Lernverfahren?

Accepted Answer

Clustering-Algorithmen gruppieren Datenpunkte mit ähnlichen Merkmalen.

Accepted Answer

Anomalieerkennungsalgorithmen identifizieren ungewöhnliche Datenpunkte.

Answer

Sie benötigen immer markierte Daten.

Answer

Dimensionsreduktionstechniken erhöhen die Datendimensionalität.

Question 3

Welche der folgenden Algorithmen ist eine Methode des unüberwachten Lernens?

Accepted Answer

K-Means-Clustering

Answer

Support-Vektor-Maschine

Answer

Naive-Bayes-Klassifikator

Answer

Entscheidungsbaum

Question 4

Was ist das Ziel der Dimensionsreduktion?

Accepted Answer

Reduzierung der Dimensionalität bei gleichzeitigem Erhalt wichtiger Informationen

Answer

Reduzierung von Rauschen in den Daten

Answer

Erhöhung der Anzahl der Variablen

Answer

Identifizierung von Clustern innerhalb der Daten

Question 5

Welche Methode eignet sich zur Erkennung von Anomalien in Daten?

Accepted Answer

One-Class-Support-Vektor-Maschine

Answer

K-nächste-Nachbarn-Algorithmus

Answer

Lineare Regression

Answer

Logistische Regression

Question 6

Welche Annahme wird bei der Principal Component Analysis (PCA) getroffen?

Accepted Answer

Die Varianz der Daten ist gleich über alle Variablen hinweg.

Answer

Die Daten sind linear trennbar.

Answer

Die Daten sind normalverteilt.

Answer

Die Daten enthalten keine fehlenden Werte.

Question 7

Welche Aussage über Anomalieerkennung ist zutreffend?

Accepted Answer

Anomalieerkennung kann zur Betrugserkennung eingesetzt werden.

Answer

Anomalieerkennung ist eine überwachte Lernmethode.

Answer

Anomalieerkennung ist immer eine einfache Aufgabe.

Answer

Anomalien sind immer leicht zu identifizieren.

Question 8

Welche der folgenden Aussagen über unüberwachtes Lernen ist falsch?

Accepted Answer

Unüberwachtes Lernen ist immer eine einfache Aufgabe.

Answer

Unüberwachtes Lernen erfordert keine beschrifteten Daten.

Answer

Unüberwachtes Lernen kann verwendet werden, um Muster in Daten zu erkennen.

Answer

Unüberwachtes Lernen kann verwendet werden, um zukünftiges Datenverhalten vorherzusagen.

Question 9

Was ist der größte Unterschied zwischen unüberwachtem und überwachtem Lernen?

Accepted Answer

Unüberwachtes Lernen benötigt keine gelabelten Daten.

Answer

Unüberwachtes Lernen erzeugt immer genauere Modelle.

Answer

Unüberwachtes Lernen ist immer schneller als überwachtes Lernen.

Question 10

Welche aktuellen Fortschritte im unüberwachten Lernen haben unsere Herangehensweise an komplexe Datensätze verändert?

Accepted Answer

Generative Adversarial Networks (GANs)

Accepted Answer

Graph Convolutional Networks (GCNs)

Accepted Answer

Transformer-Modelle

Answer

Bayesianische Optimierung

Question 11

Welche Aussage beschreibt unüberwachtes Lernen am prägnantesten?

Accepted Answer

Lernen aus unmarkierten Daten, um verborgene Strukturen und Muster zu identifizieren.

Answer

Lernen aus markierten Daten, um Vorhersagen zu treffen.

Answer

Lernen aus Expertenwissen, um menschliche Entscheidungen zu verbessern.

Answer

Lernen aus historischen Daten, um zukünftige Ereignisse zu prognostizieren.

Question 12

Welche Dimensionsreduktionstechnik projiziert Datenpunkte auf eine niedrigere Dimensionalität, indem sie ihre Hauptkomponenten identifiziert?

Accepted Answer

Hauptkomponentenanalyse (PCA)

Answer

Singulärwertzerlegung (SVD)

Answer

Lineare Diskriminanzanalyse (LDA)

Answer

T-verteilte stochastische Nachbarschaftseinbettung (t-SNE)

Question 13

Welche Anomalieerkennungsmethode verwendet einen statistischen Ansatz, um von Norm abweichende Datenpunkte zu identifizieren?

Accepted Answer

Abstandsanalyse

Answer

Clusteranalyse

Answer

Regressionsanalyse

Answer

Zeitreihenanalyse

Question 14

Welche Anwendung von unüberwachtem Lernen zielt darauf ab, verborgene Themen in Textdokumenten zu identifizieren?

Accepted Answer

Textclustering

Answer

Bildsegmentierung

Answer

Spracherkennung

Answer

Objekterkennung

Question 15

Welcher Algorithmus für unüberwachtes Lernen basiert auf der Annahme, dass sich Datenpunkte in dichten Regionen tendenziell in derselben Klasse befinden?

Accepted Answer

DBSCAN

Answer

K-Means

Answer

OPTICS

Answer

HDBSCAN

Question 16

Welche Dimensionsreduktionstechnik eignet sich am besten für die Verarbeitung nichtlinearer Daten?

Accepted Answer

t-SNE

Answer

PCA

Answer

SVD

Answer

LDA

Question 17

Welche Anwendung von Anomalieerkennung zielt darauf ab, betrügerische Transaktionen in Finanzdaten zu erkennen?

Accepted Answer

Betrugserkennung

Answer

Medizinische Diagnose

Answer

Industrielle Qualitätskontrolle

Answer

Netzwerkinfrastrukturüberwachung

Question 18

Welche ethischen Herausforderungen müssen bei der Verwendung von unüberwachten Lernalgorithmen in der Vorhersage und Entscheidungsfindung bedacht werden?

Accepted Answer

Mögliche Verzerrungen und Diskriminierung durch unfaire Daten

Accepted Answer

Manipulation und Missbrauch von Vorhersagen

Accepted Answer

Verletzung der Privatsphäre und Vertraulichkeit

Question 19

Welche der folgenden Vorgehensweisen ist bei der Implementierung von Algorithmen für unüberwachtes Lernen zu vermeiden?

Accepted Answer

Datenvorverarbeitung ignorieren

Answer

Klare Ziele und Metriken definieren

Answer

Hyperparameter optimieren

Answer

Modellleistung überwachen

Question 20

Welcher der folgenden Algorithmen ist ein unüberwachter Clustering-Algorithmus, der Datenpunkte in eine Hierarchie von Clustern gruppiert?

Accepted Answer

Hierarchische Agglomerative Clusterung

Answer

K-Means

Answer

Naive Bayes

Answer

Dichtebasierte räumliche Clusterung von Anwendungen mit Rauschen

Question 21

Welche der folgenden Techniken wird zur Reduzierung der Dimensionalität von Datensätzen verwendet und transformiert sie dabei in einen Raum mit geringerer Dimensionalität?

Accepted Answer

Hauptkomponentenanalyse

Answer

Verzweigungsfaktoranalyse

Answer

Regressionsanalyse

Answer

Neuronale Netze

Question 22

Wie kann die optimale Anzahl von Clustern bei unüberwachten Clustering-Algorithmen bestimmt werden?

Accepted Answer

Durch Berechnung des Elbogens aus dem Kurvendiagramm der Summe der quadrierten Abstände

Answer

Durch Verwendung von Kreuzvalidierung

Answer

Durch visuelle Inspektion des Clusters

Answer

Durch Eingabe eines vorher festgelegten Wertes

Question 23

Welche der folgenden Aussagen zum unüberwachten Lernen ist korrekt?

Accepted Answer

Es kann verwendet werden, um versteckte Muster und Strukturen in Daten zu finden.

Answer

Es verwendet immer markierte Daten.

Answer

Es wird üblicherweise für Klassifizierungsaufgaben verwendet.

Answer

Es erfordert immer eine große Datenmenge.

Question 24

Welche der folgenden Aussagen über unüberwachtes Lernen ist korrekt?

Accepted Answer

Die Datenstruktur wird während des Lernprozesses identifiziert.

Answer

Die Trainingsdaten sind beschriftet.

Answer

Das Ziel ist die Vorhersage von Zielvariablen.

Answer

Es werden Annahmen über die Verteilung der Daten getroffen.

Question 25

Welcher Algorithmus wird für die hierarchische Clusteranalyse verwendet?

Accepted Answer

Agglomeratives hierarchisches Clustering

Answer

k-Means-Algorithmus

Answer

EM-Algorithmus

Answer

Spektrale Clusteranalyse

Question 26

Welcher Ansatz wird in der Anomalieerkennung verwendet, um normale Daten zu modellieren?

Accepted Answer

One-Class-Klassifikation

Answer

Autoencoder

Answer

k-Nearest-Neighbors

Answer

Support-Vector-Maschinen

Question 27

Welches Distanzmaß wird üblicherweise für numerische Daten im Clustering verwendet?

Accepted Answer

Euklidischer Abstand

Answer

Manhattan-Abstand

Answer

Mahalanobis-Abstand

Answer

Jaccard-Index

Question 28

Welcher Algorithmus wird verwendet, um Variablen mittels linearer Kombinationen zu reduzieren?

Accepted Answer

Hauptkomponentenanalyse (PCA)

Answer

Lineare Diskriminanzanalyse (LDA)

Answer

Singulärwertzerlegung (SVD)

Answer

t-SNE

Question 29

Welche der folgenden Aussagen beschreibt die zentrale Aufgabe des unüberwachten Lernens?

Accepted Answer

Erkennen von Mustern und Strukturen in unbeschrifteten Daten.

Answer

Erlernen von Vorhersagen basierend auf beschrifteten Daten.

Answer

Ausführen spezifischer Aufgaben unter Anleitung.

Answer

Generieren neuer Datenpunkte.

Question 30

Welcher der aufgeführten Algorithmen eignet sich für hierarchisches Clustering?

Accepted Answer

BIRCH

Answer

k-Means

Answer

DBSCAN

Answer

OPTICS

Question 31

Was ist das Ziel der Dimensionsreduktion in unüberwachtem Lernen?

Accepted Answer

Verringerung der Anzahl der Merkmale in einem Datensatz.

Answer

Erhöhung der Anzahl der Merkmale in einem Datensatz.

Answer

Identifizierung von Korrelationen zwischen Merkmalen.

Answer

Erkennung von Anomalien in einem Datensatz.

Question 32

Welcher Begriff beschreibt eine signifikante Abweichung eines Datenpunkts von der Mehrheit der anderen Datenpunkte?

Accepted Answer

Anomalie

Answer

Cluster

Answer

Merkmal

Answer

Etikett

Question 33

Was ist der Zweck einer Ähnlichkeitsmatrix?

Accepted Answer

Speichern von Ähnlichkeitsmaßen zwischen Datenpunkten

Answer

Speichern von Abstandsmaßen zwischen Datenpunkten

Answer

Speichern von Koordinaten von Datenpunkten

Answer

Speichern von Clusterzuweisungen von Datenpunkten

Question 34

Welche der folgenden Methoden ist eine Technik des unüberwachten Lernens, bei der Datenpunkte in ähnliche Gruppen aufgeteilt werden?

Accepted Answer

Clustering

Answer

Regression

Answer

Entscheidungsbäume

Answer

Neuronale Netze

Question 35

Was ist das primäre Ziel des Clustering?

Accepted Answer

Datenpunkte in ähnliche Gruppen aufteilen

Answer

Datenpunkte in eine hierarchische Struktur organisieren

Answer

Die Dimensionen des Datenraums reduzieren

Answer

Anomalien in den Daten identifizieren

Question 36

Welche der folgenden Methoden ist ein Dimensionsreduktionsalgorithmus, der die Varianz der transformierten Daten maximiert?

Accepted Answer

Hauptkomponentenanalyse (PCA)

Answer

k-Means

Answer

Hierarchisches Clustering

Answer

One-Class SVM

Question 37

Welcher Algorithmus wird häufig zur Identifizierung von Anomalien in Daten verwendet?

Accepted Answer

DBSCAN

Answer

k-Means

Answer

PCA

Answer

LSA

Question 38

Welche Metrik wird typischerweise verwendet, um die Qualität eines Clusterings zu messen?

Accepted Answer

Silhouetten-Koeffizient

Answer

Kreuzvalidierung

Answer

R-Quadrat

Answer

MSE

Question 39

Wie unterscheiden sich harte und weiche Clustering-Algorithmen?

Accepted Answer

Harte Algorithmen weisen Datenpunkte eindeutig zu Clustern zu, während weiche Algorithmen Wahrscheinlichkeiten für die Clusterzugehörigkeit berechnen.

Answer

Harte Algorithmen können Überlappungen zwischen Clustern zulassen, während weiche Algorithmen dies nicht können.

Answer

Weiche Algorithmen sind schneller als harte Algorithmen.

Answer

Harte Algorithmen erfordern einen vordefinierten Wert für die Anzahl der Cluster, während weiche Algorithmen dies nicht tun.

Question 40

Welche der folgenden Aussagen über die Hauptkomponentenanalyse (PCA) ist korrekt?

Accepted Answer

Alle der oben genannten Aussagen sind korrekt.

Answer

PCA ist eine lineare Transformationsmethode.

Answer

PCA maximiert die Varianz der transformierten Daten.

Answer

PCA findet die Hauptkomponenten in absteigender Reihenfolge ihrer Eigenwerte.

Question 41

Welche potenziellen Nachteile ergeben sich aus dem Einsatz von Algorithmen für unüberwachtes Lernen in Bezug auf ihre gesellschaftlichen Auswirkungen?

Accepted Answer

Mögliche Fehlinterpretationen aufgrund des automatisierten Lernprozesses

Answer

Keine Auswirkungen auf die Gesellschaft, da diese Algorithmen nur mit Daten arbeiten

Answer

Verbesserte Privatsphäre, da keine persönlichen Daten für das Training benötigt werden

Answer

Erhöhte Transparenz und Nachvollziehbarkeit von Entscheidungen

Question 42

Welche Aufgabe ist ein typisches Beispiel für unüberwachtes Lernen?

Accepted Answer

Gruppierung von Kundendaten in homogene Cluster

Answer

Prognose von Aktienkursen auf Basis historischer Daten

Answer

Erkennung von Spam-Nachrichten anhand gekennzeichneter Beispiele

Answer

Klassifikation von Bildern mithilfe beschrifteter Trainingsdaten

Question 43

Welches Clustering-Verfahren ordnet Datenpunkte Clustern zu, die durch ähnliche Abstände zwischen den Punkten gekennzeichnet sind?

Accepted Answer

K-Means-Clustering

Answer

Spektrales Clustering

Answer

Hierarchisches Clustering

Answer

Dichtebasiertes Clustering

Question 44

Was ist das Hauptziel einer Dimensionsreduktionstechnik?

Accepted Answer

Verringerung der Anzahl von Merkmalen ohne wesentliche Einbußen an relevanten Informationen

Answer

Verbesserung der Vorhersagegenauigkeit von Modellen

Answer

Erhöhung der Anzahl von Merkmalen zur besseren Datenbeschreibung

Question 45

Welche der folgenden Methoden wird zur Identifizierung von Anomalien in Daten eingesetzt?

Accepted Answer

Isolation Forest

Answer

Logistische Regression

Answer

Naive Bayes

Answer

Support Vector Machines

Question 46

Welche Aussage zu selbstorganisierenden Karten (SOMs) ist korrekt?

Accepted Answer

Sie bilden Datenpunkte auf einem zweidimensionalen Gitter ab.

Answer

Sie sind eine Art überwachtes neuronales Netzwerk.

Answer

Sie erfordern beschriftete Daten für das Training.

Question 47

Welches Maß wird häufig zur Bewertung der Qualität eines Clustering-Ergebnisses verwendet?

Accepted Answer

Silhouette-Koeffizient

Answer

AUC-ROC

Answer

Genauigkeit

Answer

F1-Score

Question 48

Welche Methode eignet sich besonders gut für die Erkennung von Ausreißern in hochdimensionalen Daten?

Accepted Answer

Lokaler Ausreißerfaktor (LOF)

Answer

Hierarchisches Clustering

Answer

K-Means-Clustering

Answer

Prinzipalkomponentenanalyse (PCA)

Question 49

Was ist eine wesentliche Eigenschaft des t-SNE-Algorithmus?

Accepted Answer

Er projiziert hochdimensionale Daten in einen niederdimensionalen Raum unter Beibehaltung lokaler Nachbarschaftsbeziehungen.

Answer

Es ist ein hierarchisches Clustering-Verfahren.

Question 50

Welches Kriterium ist besonders wichtig bei der Auswahl eines geeigneten Clustering-Algorithmus?

Accepted Answer

Art und Struktur der zu clusternden Daten

Answer

Gewünschte Anzahl von Clustern

Answer

Verfügbare Rechenressourcen

Answer

Vorhandensein von Ausreißern

Question 51

Welches der folgenden ist ein Hauptvorteil des unüberwachten Lernens?

Accepted Answer

Keine Notwendigkeit für markierte Daten

Answer

Deutlich schnellere Trainingszeiten

Answer

Garantie höherer Genauigkeit

Answer

Automatisch bessere Verallgemeinerungsfähigkeit

Question 52

Welche der folgenden Methoden wird häufig zur Dimensionsreduktion eingesetzt?

Accepted Answer

Hauptkomponentenanalyse (PCA)

Answer

Lineare Regression

Answer

k-Means-Clustering

Answer

Anomalieerkennung

Question 53

Was ist das primäre Ziel der Anomalieerkennung?

Accepted Answer

Identifizierung ungewöhnlicher Datenpunkte

Answer

Erstellung prädiktiver Modelle

Answer

Reduzierung der Dimensionalität von Daten

Answer

Gruppierung von Daten in homogene Cluster

Question 54

Welche Aussage über k-Means-Clustering ist korrekt?

Accepted Answer

Es ist ein iterativer Algorithmus.

Answer

Es kann Daten mit nicht numerischen Merkmalen verarbeiten.

Answer

Es ist unempfindlich gegenüber Rauschen in den Daten.

Answer

Es erfordert vordefinierte Cluster-Bezeichnungen.

Question 55

Welche Metrik wird typischerweise zur Bewertung der Leistung von Clustering-Algorithmen verwendet?

Accepted Answer

Silhouette-Koeffizient

Answer

Genauigkeit

Answer

Mittlerer absoluter Fehler (MAE)

Answer

F1-Score

Question 56

Welcher Datenvorverarbeitungsschritt ist für unüberwachtes Lernen unerlässlich?

Accepted Answer

Standardisierung der Daten

Answer

Behandlung von Klassenunsymmetrien

Answer

Merkmalsauswahl

Answer

Label-Codierung

Question 57

Nennen Sie eine Herausforderung beim unüberwachten Lernen.

Accepted Answer

Bestimmung der optimalen Anzahl von Clustern

Answer

Hoher Rechenaufwand

Answer

Unteranpassung

Answer

Überanpassung

Question 58

Welches der folgenden ist ein hierarchisches Clustering-Verfahren?

Accepted Answer

WARD

Answer

DBSCAN

Answer

Spektrales Clustering

Answer

k-Means

Question 59

Welche Technik kann eingesetzt werden, um die Stabilität von Clustering-Ergebnissen zu verbessern?

Accepted Answer

Bootstrap-Aggregation (Bagging)

Answer

Regularisierung

Answer

Kreuzvalidierung

Answer

Gittersuchoptimierung

Question 60

Welcher Algorithmus ist gängig für das Clustering?

Accepted Answer

K-Means

Answer

Lineare Regression

Answer

Entscheidungsbäume

Answer

Support Vector Machines

Question 61

Was ist das Ziel der Dimensionsreduktion in unüberwachten Lernverfahren?

Accepted Answer

Verringerung der Merkmalsanzahl bei gleichzeitigem Erhalt der entscheidenden Informationen

Answer

Verbesserung der Genauigkeit von Klassifikationsmodellen

Answer

Erkennung von Anomalien in Daten

Question 62

Welcher Algorithmus ist für die Erkennung von Anomalien geeignet?

Accepted Answer

Isolation Forest

Answer

Hauptkomponentenanalyse

Answer

K-Means

Answer

Lineare Regression

Question 63

Welcher Vorteil ist dem unüberwachten Lernen eigen?

Accepted Answer

Verzicht auf annotierte Daten

Answer

Einfachere Implementierung als beim überwachten Lernen

Answer

Eignung für alle Arten von Datenproblemen

Answer

Stets höhere Genauigkeit als beim überwachten Lernen

Question 64

Welche Aussage zum unüberwachten Lernen ist nicht zutreffend?

Accepted Answer

Ermöglicht Prognosen über zukünftige Ereignisse

Answer

Ermöglicht die Erkennung von Anomalien in Daten

Answer

Ermöglicht die Identifizierung von Mustern in Daten