Regression: Interaktive Quizfragen für Maschinelles Lernen

Question 1

Welche Aussage beschreibt die lineare Regression am treffendsten?

Accepted Answer

Modelliert lineare Beziehungen zwischen Variablen.

Answer

Kann für binäre Klassifikation eingesetzt werden.

Answer

Berücksichtigt nichtlineare Effekte.

Answer

Verwendet eine Sigmoid-Aktivierungsfunktion.

Question 2

Welchem Zweck dient die Aktivierungsfunktion in der logistischen Regression?

Accepted Answer

Umwandlung der linearen Vorhersage in eine Wahrscheinlichkeit.

Answer

Minimierung des Fehlers.

Answer

Maximierung der Modellkomplexität.

Answer

Berechnung der Steigung der Regressionslinie.

Question 3

Welche der folgenden Größen wird genutzt, um die Güte eines linearen Regressionsmodells zu bemessen?

Accepted Answer

R-Quadrat.

Answer

Genauigkeit.

Answer

F1-Score.

Answer

Sensitivität.

Question 4

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

Accepted Answer

Methode der kleinsten Quadrate.

Answer

Gradientenabstieg.

Answer

Kreuzvalidierung.

Answer

Regularisierung.

Question 5

Was wird unter dem ROC-AUC-Maß in der logistischen Regression verstanden?

Accepted Answer

Eine Metrik zur Bewertung der Klassifizierungsleistung eines Modells.

Answer

Eine Methode zur Parameterschätzung.

Answer

Eine Methode zur Reduzierung von Überanpassung.

Answer

Eine Visualisierung des linearen Regressionsmodells.

Question 6

Welche Aussage beschreibt die logistische Regression am besten?

Accepted Answer

Eine lineare Klassifizierungsmethode mit einer sigmoidförmigen Aktivierungsfunktion.

Answer

Eine nichtlineare Klassifizierungsmethode mit einer Gaußschen Aktivierungsfunktion.

Answer

Eine lineare Regressionsmethode mit einer polynomialen Aktivierungsfunktion.

Answer

Eine nichtlineare Regressionsmethode mit einer hyperbolisch-tangentialen Aktivierungsfunktion.

Question 7

Welche Strategien können die Vorhersagekraft linearer Regressionsmodelle verbessern?

Accepted Answer

Erhöhung der Stichprobengröße

Accepted Answer

Auswahl relevanter Merkmale

Accepted Answer

Transformation von Merkmalen

Answer

Hinzufügen irrelevanter Merkmale

Question 8

Welche Regularisierungstechnik wird in der linearen Regression verwendet, um Überanpassung zu verhindern?

Accepted Answer

Anwendung der L1- oder L2-Regularisierung

Answer

Reduzierung der Feature-Anzahl

Answer

Hinzufügen eines Bias-Terms

Answer

Erhöhung des Polynomgrads

Question 9

Welche Funktion wird bei der logistischen Regression minimiert?

Accepted Answer

Kreuzentropie

Answer

Summe der absoluten Abweichungen

Answer

Summe der quadrierten Abweichungen

Answer

Sensitivität

Question 10

Welche Aussage beschreibt die ROC-Kurve in der logistischen Regression am besten?

Accepted Answer

Sie zeigt die Sensitivität in Abhängigkeit von 1-Spezifität.

Answer

Sie zeigt die Spezifität in Abhängigkeit von der Sensitivität.

Answer

Sie zeigt die Präzision in Abhängigkeit vom Rückruf.

Question 11

Welche der folgenden Aussagen beschreibt eine wesentliche Annahme der linearen Regression?

Accepted Answer

Die lineare Regression ist eine parametrische Methode und nimmt eine Normalverteilung der Residuen an.

Answer

Die lineare Regression ist eine nicht-parametrische Methode und setzt eine Binomialverteilung der Residuen voraus.

Answer

Die lineare Regression ist eine parametrische Methode und geht von einer Binomialverteilung der Residuen aus.

Answer

Die lineare Regression ist eine nicht-parametrische Methode und nimmt eine Normalverteilung der Residuen an.

Question 12

Welche zwei Verfahren werden zur Optimierung der Modellparameter in der linearen Regression eingesetzt? Erläutern Sie kurz den grundlegenden Unterschied in ihrer Funktionsweise.

Accepted Answer

Gradientenabstieg und Normalgleichungen

Answer

Kreuzvalidierung und Regularisierung

Answer

Forward Feature Selection und Backward Feature Elimination

Answer

Bagging und Boosting

Question 13

Welche der folgenden Aussagen beschreibt lineare Regression am besten?

Accepted Answer

Modelliert lineare Beziehungen zwischen unabhängigen Variablen und einer kontinuierlichen Zielvariablen.

Answer

Klassifiziert Datenpunkte in diskrete Kategorien

Answer

Findet nichtlineare Muster in Daten

Question 14

Welches Maß wird verwendet, um die Güte einer logistischen Regressionsanpassung zu bewerten?

Accepted Answer

AUC (Area under the ROC Curve)

Answer

MAE (Mean Absolute Error)

Answer

R-Quadrat

Question 15

Welche der folgenden Transformationen muss auf die Zielvariable angewendet werden, um eine logistische Regression durchzuführen?

Accepted Answer

Logit-Transformation

Answer

Standardisierung

Answer

Quadratwurzel-Transformation

Answer

Normalisierung

Question 16

Welcher der folgenden Algorithmen wird verwendet, um die Koeffizienten in einem linearen Regressionsmodell zu schätzen?

Accepted Answer

Methode der kleinsten Quadrate

Answer

Entscheidungsbaum-Algorithmus

Answer

K-nächste-Nachbarn-Algorithmus

Question 17

Welche der folgenden Annahmen muss für eine lineare Regression erfüllt sein?

Accepted Answer

Linearität, Normalverteilung der Residuen, Homoskedastizität

Answer

Binäre Zielvariable, Bernoulli-Verteilung der Residuen, Homoskedastizität

Answer

Nichtlinearität, Poisson-Verteilung der Residuen, Heteroskedastizität

Question 18

Welche der folgenden Regularisierungsmethoden wird verwendet, um Überanpassung in Regressionsmodellen zu verhindern?

Accepted Answer

LASSO

Answer

Bagging

Answer

Bootstrap

Answer

K-Faltung

Question 19

Welche der folgenden Aussagen beschreibt den Hauptunterschied zwischen linearen und logistischen Regressionsmodellen?

Accepted Answer

Lineare Regression modelliert kontinuierliche Zielvariablen, während logistische Regression binäre Zielvariablen modelliert.

Answer

Lineare Regression verwendet einen linearen Kern, während logistische Regression einen nichtlinearen Kern verwendet.

Answer

Lineare Regression ist ein parametrisches Modell, während logistische Regression ein nichtparametrisches Modell ist.

Question 20

Erläutern Sie die Rolle der logistischen Funktion in der logistischen Regression und nennen Sie ihre mathematische Formel.

Accepted Answer

Die logistische Funktion wandelt lineare Merkmalskombinationen in Wahrscheinlichkeiten zwischen 0 und 1 um und ermöglicht so die Modellierung nichtlinearer Zusammenhänge.

Answer

Die logistische Funktion reduziert die Varianz der Vorhersagen und verhindert Überanpassung.

Answer

Die logistische Funktion ermöglicht die Klassifizierung von Datenpunkten in mehr als zwei Klassen.

Answer

Die logistische Funktion konvertiert kontinuierliche Zielvariablen in kategoriale Zielvariablen.

Question 21

Welche der folgenden Aussagen über lineare Regression ist korrekt?

Accepted Answer

Sie modelliert lineare Beziehungen zwischen einer abhängigen und einer oder mehreren unabhängigen Variablen.

Answer

Sie kann nur zur Vorhersage kontinuierlicher Zielwerte verwendet werden.

Answer

Sie ist nicht empfindlich gegenüber Ausreißern.

Question 22

Was ist das Hauptziel der logistischen Regression?

Accepted Answer

Vorhersage der Wahrscheinlichkeit eines binären Ereignisses.

Answer

Schätzung der Stärke des Zusammenhangs zwischen Variablen.

Answer

Identifizierung von Mustern in Daten.

Question 23

Welche der folgenden Funktionen wird in der logistischen Regression verwendet?

Accepted Answer

Sigmoid-Funktion

Answer

Hyperbelfunktion

Answer

Gaußsche Glockenkurve

Answer

Normalverteilungsfunktion

Question 24

Was ist der Unterschied zwischen Schätzern und Hypothesentests in der linearen Regression?

Accepted Answer

Schätzer liefern Punktschätzungen von Parametern, während Hypothesentests die statistische Signifikanz der Parameter prüfen.

Answer

Schätzer sind immer genauer als Hypothesentests.

Question 25

Welche der folgenden Maßnahmen kann zur Verbesserung der Güte einer linearen Regression beitragen?

Accepted Answer

Transformation der Variablen

Answer

Reduzierung der Stichprobengröße

Answer

Hinzufügen von Rauschen zu den Daten

Answer

Erhöhung der Anzahl der unabhängigen Variablen

Question 26

Was ist die AUC (Area under the Curve) im Zusammenhang mit der logistischen Regression?

Accepted Answer

Ein Maß für die Diskriminierungsfähigkeit des Modells.

Answer

Ein Maß für die Reliabilität des Modells.

Answer

Ein Maß für die Anpassungsgüte des Modells.

Question 27

Welche der folgenden Methoden kann zur Regularisierung einer logistischen Regression verwendet werden?

Accepted Answer

L1-Regularisierung (LASSO)

Answer

PCA (Hauptkomponentenanalyse)

Answer

Kreuzvalidierung

Answer

K-Means-Clustering

Question 28

Was ist ein Vorteil der Verwendung von automatisiertem Machine Learning für lineare und logistische Regression?

Accepted Answer

Es kann die Feature-Auswahl und Modelloptimierung automatisieren.

Answer

Es garantiert immer bessere Ergebnisse als manuelle Modellierung.

Answer

Es eliminiert die Notwendigkeit für menschliches Fachwissen.

Question 29

Welche der folgenden Aussagen beschreibt die lineare Regression am besten?

Accepted Answer

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

Answer

Eine Methode zur Reduzierung der Überanpassung in Machine-Learning-Modellen.

Answer

Ein Klassifizierungsalgorithmus, der Daten in kontinuierliche Kategorien einordnet.

Question 30

Welche der folgenden Funktionen beschreibt die Sigmoid-Funktion, die in der logistischen Regression verwendet wird?

Accepted Answer

f(x) = 1 / (1 + e^(-x))

Answer

f(x) = |x|

Answer

f(x) = x^2

Answer

f(x) = sin(x)

Question 31

Welche Metrik ist eine geeignete Wahl zur Bewertung der Leistung eines logistischen Regressionsmodells, das binäre Ergebnisse vorhersagt?

Accepted Answer

AUC-ROC

Answer

RMSE

Answer

MAE

Answer

R^2

Question 32

Welche der folgenden Aussagen beschreibt am besten die logistische Funktion?

Accepted Answer

Eine S-förmige Kurve, die Werte zwischen 0 und 1 annimmt.

Answer

Eine lineare Funktion, die eine gerade Linie darstellt.

Answer

Eine exponentielle Funktion, die ein schnelles Wachstum zeigt.

Question 33

Welcher der folgenden Schritte ist bei der Erstellung eines linearen Regressionsmodells nicht erforderlich?

Accepted Answer

Auswahl der optimalen Anzahl von Features

Answer

Bewertung des Modellfehlers

Answer

Sammlung von Daten

Answer

Aufbereitung und Skalierung von Daten

Question 34

Welche der folgenden Aussagen trifft auf die logistische Regression zu?

Accepted Answer

Sie kann zur Vorhersage binärer Ergebnisse verwendet werden.

Answer

Sie erfordert keine Regularisierung

Answer

Sie kann nur lineare Beziehungen modellieren.

Question 35

Welcher der folgenden Begriffe bezieht sich auf den Abstand zwischen der vorhergesagten und der tatsächlichen Ausgabe in einem Regressionsmodell?

Accepted Answer

Residuum

Answer

Koeffizient

Answer

Standardfehler

Answer

Abfangwert

Question 36

Welche der folgenden Aussagen beschreibt am besten lineare Regression?

Accepted Answer

Eine Methode zur Modellierung linearer Beziehungen zwischen Zielvariablen und Eingangsmerkmalen

Answer

Eine Methode zur Einteilung von Daten in diskrete Kategorien

Answer

Eine Methode zur Reduzierung der Dimensionalität hochdimensionaler Datensätze

Question 37

Welche Funktion wird in der logistischen Regression verwendet, um die Wahrscheinlichkeit eines Ereignisses zu modellieren?

Accepted Answer

Sigmoid-Funktion

Answer

Polynomfunktion

Answer

Exponentielle Funktion

Answer

Lineare Funktion

Question 38

Welches Kriterium wird typischerweise zur Optimierung der Parameter eines linearen Regressionsmodells verwendet?

Accepted Answer

Minimierung des mittleren quadrierten Fehlers (MSE)

Answer

Minimierung des absoluten Fehlers (MAE)

Answer

Maximierung der Genauigkeit

Question 39

Welche Metrik wird oft zur Bewertung der Leistung eines linearen Regressionsmodells verwendet?

Accepted Answer

Bestimmtheitsmaß (R^2)

Answer

Precision

Answer

F1-Score

Answer

ROC-AUC

Question 40

Welche Aussage beschreibt die Rolle der Steigung in einem linearen Regressionsmodell?

Accepted Answer

Sie gibt den Anstieg der Zielvariablen pro Einheit der Eingangsmerkmale an

Answer

Sie ist ein Maß für die Stärke der Beziehung zwischen den Variablen

Answer

Sie bestimmt die y-Achsenabschnitt

Question 41

Welche Funktion beschreibt die logistische Regressionsfunktion?

Accepted Answer

Sie berechnet die Wahrscheinlichkeit eines Ereignisses anhand einer Sigmoid-Funktion

Answer

Sie bestimmt die Grenzen von Kategorien

Answer

Sie modelliert eine lineare Beziehung zwischen Zielvariablen und Eingangsmerkmalen

Question 42

Welches Verfahren wird verwendet, um die statistische Signifikanz einzelner Prädiktoren in einem logistischen Regressionsmodell zu testen?

Accepted Answer

Wald-Test

Answer

t-Test

Answer

Chi-Quadrat-Test

Answer

ANOVA

Question 43

Welche Metrik eignet sich am besten zur Bewertung der Güte der Anpassung eines logistischen Regressionsmodells?

Accepted Answer

ROC-AUC

Answer

R^2

Answer

MSE

Answer

MAE

Question 44

Welche Aussage trifft auf die Kostenfunktion in der linearen Regression zu?

Accepted Answer

Die Kostenfunktion misst die Differenz zwischen den vorhergesagten und den tatsächlichen Werten.

Answer

Die Kostenfunktion wird zur Bewertung der Leistung eines Klassifikationsmodells verwendet.

Answer

Die Kostenfunktion berechnet die Komplexität des Regressionsmodells.

Question 45

Welcher Algorithmus wird häufig verwendet, um die optimalen Parameter in der linearen Regression zu finden?

Accepted Answer

Gradientenabstieg

Answer

Apriori-Algorithmus

Answer

K-Means-Algorithmus

Answer

Support Vector Machines

Question 46

Was beschreibt die Sigmoidfunktion in der logistischen Regression?

Accepted Answer

Eine Funktion, die jeden reellen Wert in einen Wert zwischen 0 und 1 transformiert.

Answer

Eine Funktion, die die Kosten der Modellvorhersagen berechnet.

Answer

Eine Funktion, die die optimalen Parameter für das Modell ermittelt.

Question 47

Welches der folgenden Merkmale ist **kein** Vorteil der logistischen Regression?

Accepted Answer

Kann komplexe nichtlineare Beziehungen zwischen Variablen modellieren.

Answer

Einfache Implementierung und Interpretation.

Answer

Kann die Wahrscheinlichkeit verschiedener Klassenvorhersagen ausgeben.

Question 48

Welches Problem der linearen Regression kann durch Regularisierung behoben werden?

Accepted Answer

Überanpassung (Overfitting)

Answer

Fehlende Daten

Answer

Unteranpassung (Underfitting)

Question 49

Welche Aussage zum R-Quadrat-Wert in der linearen Regression ist korrekt?

Accepted Answer

Er misst, wie gut das Regressionsmodell an die Daten angepasst ist.

Answer

Er repräsentiert den Fehler des Modells bei Vorhersagen.

Answer

Er gibt die Anzahl der korrekt klassifizierten Datenpunkte an.

Question 50

Welche Metrik wird häufig zur Bewertung der Leistung eines logistischen Regressionsmodells verwendet?

Accepted Answer

AUC (Area under the ROC curve)

Answer

R-Quadrat-Wert

Answer

Mittlerer quadratischer Fehler (MSE)

Answer

Silhouetten-Koeffizient

Question 51

Wie kann man mit einem logistischen Regressionsmodell eine binäre Klassifizierung durchführen?

Accepted Answer

Wähle einen Schwellenwert für die vorhergesagte Wahrscheinlichkeit. Liegt die Wahrscheinlichkeit über dem Schwellenwert, wird Klasse 1 vorhergesagt, andernfalls Klasse 0.

Answer

Verwende die vorhergesagte Wahrscheinlichkeit direkt als Klassenbezeichnung.

Question 52

Welche der folgenden Aussagen ist **falsch** in Bezug auf lineare Regression?

Accepted Answer

Lineare Regression kann verwendet werden, um nichtlineare Zusammenhänge zu modellieren.

Answer

Lineare Regression versucht, die Beziehung zwischen einer abhängigen Variablen und einer oder mehreren unabhängigen Variablen zu modellieren.

Answer

Lineare Regression findet die beste gerade Linie, die durch die Datenpunkte verläuft.

Question 53

Was ist der Zweck der Kostenfunktion in der linearen Regression?

Accepted Answer

Die Kostenfunktion misst die Abweichung zwischen den vorhergesagten und den tatsächlichen Werten.

Answer

Die Kostenfunktion bestimmt den Grad der Nichtlinearität in den Daten.

Answer

Die Kostenfunktion gibt die Anzahl der unabhängigen Variablen im Modell an.

Question 54

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

Accepted Answer

Mittlerer quadratischer Fehler (MSE)

Answer

Recall

Answer

Genauigkeit

Answer

F1-Score

Question 55

Welche Funktion wird in der logistischen Regression verwendet, um die Wahrscheinlichkeit eines Ereignisses zu modellieren?

Accepted Answer

Sigmoid-Funktion

Answer

Tanh-Funktion

Answer

Lineare Funktion

Answer

ReLu-Funktion

Question 56

Wie wird die Leistung eines logistischen Regressionsmodells üblicherweise bewertet?

Accepted Answer

Genauigkeit, Präzision und Recall

Answer

Mittlerer quadratischer Fehler (MSE)

Answer

R-Quadrat

Question 57

Sie möchten ein Modell erstellen, um vorherzusagen, ob ein Kunde ein bestimmtes Produkt kaufen wird. Welche Art von Regression würden Sie verwenden?

Accepted Answer

Logistische Regression

Answer

Polynomiale Regression

Answer

Lineare Regression

Answer

Ridge-Regression

Question 58

Was ist ein Vorteil der Verwendung von Regularisierung in der linearen Regression?

Accepted Answer

Regularisierung kann dazu beitragen, Überanpassung zu verhindern.

Answer

Regularisierung erhöht die Genauigkeit des Modells.

Answer

Regularisierung macht das Modell weniger interpretierbar.

Question 59

Sie möchten ein Regressionsmodell trainieren, um die Beziehung zwischen der Anzahl der Trainingsstunden und dem erzielten Testergebnis vorherzusagen. Welche Art von Regression würden Sie verwenden, wenn Sie vermuten, dass die Beziehung nichtlinear ist?

Accepted Answer

Polynomiale Regression

Answer

Lineare Regression

Answer

Logistische Regression

Answer

Ridge-Regression

Question 60

Welche der folgenden Aussagen trifft auf die lineare Regression zu?

Accepted Answer

Sie modelliert lineare Beziehungen zwischen abhängigen und unabhängigen Variablen.

Answer

Sie erfordert keine Normalisierung der Daten.

Answer

Sie wird zur binären Klassifikation verwendet.

Question 61

Was ist der Zweck der logistischen Regression?

Accepted Answer

Modellierung binärer Klassifikationsprobleme.

Answer

Clustering von Datenpunkten.

Answer

Modellierung von Zeitreihen.

Answer

Dimensionale Reduktion.

Question 62

Was ist die Sigmoid-Funktion in der logistischen Regression?

Accepted Answer

Sie transformiert die lineare Kombination in eine Wahrscheinlichkeit.

Answer

Sie berechnet den Fehler zwischen Vorhersagen und Beobachtungen.

Answer

Sie regularisiert das Modell.

Question 63

Welche der folgenden Metriken wird zur Bewertung der Leistung der logistischen Regression verwendet?

Accepted Answer

AUC-ROC (Area Under the Receiver Operating Characteristic Curve).

Answer

Mittlerer absoluter Fehler.

Answer

Mittlerer quadratischer Fehler.

Question 64

Was ist der Unterschied zwischen einem Regressionskoeffizienten und einem Bias-Term in der linearen Regression?

Accepted Answer

Regressionskoeffizienten messen die Steigung, während der Bias-Term den Y-Achsenabschnitt misst.

Answer

Der Bias-Term ist nicht vorhanden, wenn die Beziehung linear ist.

Answer

Regressionskoeffizienten sind parametrisiert, während der Bias-Term unparametrisiert ist.