Entscheidungsbäume: Aufbau, Funktionsweise und Anwendungen

Question 1

Was ist Pruning bei Entscheidungsbäumen und wie trägt es zur Verbesserung der Vorhersagegenauigkeit bei?

Accepted Answer

Pruning entfernt unwichtige Zweige, um Überanpassung zu reduzieren.

Answer

Pruning vergrößert die Tiefe des Baumes, um mehr Details zu erfassen.

Answer

Pruning dient nur dazu, Entscheidungsbäume leichter verständlich zu machen.

Answer

Pruning kann die Vorhersagegenauigkeit verschlechtern, indem es wichtige Merkmale entfernt.

Question 2

Welcher Pruning-Ansatz entfernt untergeordnete Teilbäume, wenn sie unter einer festgelegten Anzahl von Datenpunkten fallen?

Accepted Answer

Minimaler Knotengrößen-Pruning

Answer

Gini-Unreinheits-Pruning

Answer

Kostenkomplexitäts-Pruning

Answer

Informationsgewinn-Pruning

Question 3

Welches Ensemble-Verfahren kombiniert mehrere Entscheidungsbäume, indem jeder Baum einzeln trainiert wird und ihre Vorhersagen gemittelt werden?

Accepted Answer

Bagging

Answer

Stacking

Answer

Boosting

Question 4

Welche Aussage über Entscheidungsbäume ist korrekt?

Accepted Answer

Sie können sowohl für Klassifizierungs- als auch für Regressionsprobleme eingesetzt werden

Answer

Sie sind immer binär

Question 5

Was unterscheidet einen internen von einem externen Knoten in einem Entscheidungsbaum?

Accepted Answer

Ein interner Knoten hat untergeordnete Knoten, während ein externer Knoten keine untergeordneten Knoten hat

Answer

Ein interner Knoten enthält die Daten, während ein externer Knoten die Vorhersagen enthält

Answer

Ein interner Knoten ist immer binär, während ein externer Knoten kontinuierlich sein kann

Answer

Ein interner Knoten entscheidet über die Klassifizierung, während ein externer Knoten die Klassifizierung enthält

Question 6

Welcher Pruning-Ansatz entfernt Teilbäume basierend auf dem Kosten-Nutzen-Verhältnis?

Accepted Answer

Kostenkomplexitäts-Pruning

Answer

Minimaler Knotengrößen-Pruning

Answer

Gini-Unreinheits-Pruning

Answer

Informationsgewinn-Pruning

Question 7

Welches Ensemble-Verfahren erstellt mehrere Entscheidungsbäume aus demselben Datensatz und trainiert sie sequenziell, wobei jeder Baum den Fehlern des vorherigen Baums entgegenwirkt?

Accepted Answer

Boosting

Answer

Stacking

Answer

Bagging

Answer

Random Forest

Question 8

Nennen Sie einen Nachteil von Entscheidungsbäumen

Accepted Answer

Sie können anfällig für Überanpassung sein

Answer

Sie sind schwer zu interpretieren

Answer

Sie sind rechenintensiv zu trainieren

Question 9

Wie können Ensemble-Methoden die Vorhersagekraft von Entscheidungsbäumen verbessern?

Accepted Answer

Bagging und Boosting

Answer

Pruning und Regularisierung

Answer

Clustering und Dimensionsreduktion

Question 10

Vergleichen Sie Entscheidungsbäume mit anderen geläufigen Klassifizierungsalgorithmen wie Support Vector Machines (SVM) und Naive Bayes bezüglich ihrer Vor- und Nachteile.

Accepted Answer

Entscheidungsbäume neigen im Vergleich zu SVM und Naive Bayes stärker zur Überanpassung.

Accepted Answer

Entscheidungsbäume sind stets leichter zu interpretieren als SVM und Naive Bayes.

Answer

Entscheidungsbäume erzielen im Vergleich zu SVM und Naive Bayes konsequent eine geringere Genauigkeit.

Answer

Entscheidungsbäume benötigen im Vergleich zu SVM und Naive Bayes immer weniger Rechenressourcen.

Question 11

Welches Merkmal ist ein **Nachteil** von Entscheidungsbäumen?

Accepted Answer

Hoher Rechenaufwand

Answer

Einfache Interpretation

Answer

Hohe Genauigkeit möglich

Answer

Unempfindlichkeit gegenüber Datenrauschen

Question 12

Welcher Begriff beschreibt die Aufteilung eines Datensatzes in kleinere Teilmengen in einem Entscheidungsbaum?

Accepted Answer

Knotenaufteilung

Answer

Regelerstellung

Answer

Blattbildung

Answer

Pruning

Question 13

Was ist die primäre Aufgabe eines Attributs in einem Entscheidungsbaum?

Accepted Answer

Aufspaltung des Datensatzes in homogene Teilmengen

Answer

Optimierung des Baums

Answer

Berechnung des Informationsgewinns

Answer

Vorhersage des Zielwerts

Question 14

Welche Metrik wird verwendet, um die Güte einer Entscheidungsregel zu bestimmen?

Accepted Answer

Informationsgewinn

Answer

F-Maß

Answer

Genauigkeit

Answer

Rückruf

Question 15

Welches ist das Hauptziel des Pruning in Entscheidungsbäumen?

Accepted Answer

Reduzierung der Überanpassung und Verbesserung der Generalisierungsfähigkeit

Answer

Verbesserung der Genauigkeit beim Training

Answer

Erhöhung der Baumerzeugungsgeschwindigkeit

Question 16

Welcher Faktor spielt eine entscheidende Rolle bei der Auswahl des besten Attributs für eine Knotenaufteilung?

Accepted Answer

Informationsgewinn

Answer

Fehlklassifizierungsrate

Answer

Anzahl der Attribute

Answer

Tiefenschrankung des Baums

Question 17

Welche Art von Entscheidungsbaum kann mehrere Zielwerte vorhersagen?

Accepted Answer

Multi-Target-Entscheidungsbaum

Answer

Binärer Entscheidungsbaum

Answer

Regressionsbaum

Answer

Ensemble-Entscheidungsbaum

Question 18

Welcher Vorteil zeichnet Entscheidungsbäume im Vergleich zu anderen Klassifikationsalgorithmen aus?

Accepted Answer

Erklärbarkeit und Interpretierbarkeit

Answer

Höhere Genauigkeit

Answer

Geringe Rechenanforderungen

Answer

Robustheit gegenüber Ausreißern

Question 19

Welche Aussage zur Verwendung von Entscheidungsbäumen für die Regression ist korrekt?

Accepted Answer

Vorhersage des Zielwerts erfolgt typischerweise kontinuierlich

Answer

Blätter repräsentieren Klassen

Answer

Entscheidungsregeln werden nicht verwendet

Question 20

In einem Entscheidungsbaum ist ein interner Knoten ein Knoten, der:

Accepted Answer

Die Entscheidungskriterien darstellt.

Answer

Die Instanzen enthält.

Answer

Die Klasse einer Instanz darstellt.

Question 21

Welche der folgenden Techniken wird zur Optimierung (Pruning) eines Entscheidungsbaums eingesetzt?

Accepted Answer

Cost-Complexity-Pruning

Answer

Bagging

Answer

Boosting

Question 22

Welches Ensemble-Verfahren kombiniert mehrere Entscheidungsbäume, um die Vorhersagegenauigkeit zu verbessern?

Accepted Answer

Bagging

Answer

Apriori-Algorithmus

Answer

Clustering

Question 23

Welches Maß wird zur Bestimmung der Reinheit eines Knotens in einem Entscheidungsbaum verwendet?

Accepted Answer

Entropie

Answer

Standardabweichung

Answer

Korrelationskoeffizient

Answer

Varianz

Question 24

Welches der folgenden Splitting-Kriterien wird in Entscheidungsbäumen häufig verwendet?

Accepted Answer

Informationsgewinn

Answer

Logistische Regression

Answer

Mittlerer absoluter Fehler

Answer

Quadratischer Fehler

Question 25

Welche der folgenden Aussagen über Entscheidungsbäume ist zutreffend?

Accepted Answer

Sie können sowohl für Klassifikations- als auch für Regressionsprobleme eingesetzt werden.

Answer

Sie können nur für kontinuierliche Daten verwendet werden.

Answer

Sie sind immer binär.

Question 26

Welcher der folgenden Algorithmen wird verwendet, um Entscheidungsbäume aus Trainingsdaten zu erstellen?

Accepted Answer

ID3- oder C4.5-Algorithmus

Answer

Apriori-Algorithmus

Answer

Lineare Regression

Answer

K-Means-Algorithmus

Question 27

Was ist die primäre Funktion des Prunings bei Entscheidungsbäumen?

Accepted Answer

Überanpassung minimieren

Answer

Genauigkeit erhöhen

Answer

Interpretierbarkeit verbessern

Answer

Inferenz beschleunigen

Question 28

Welche Ensemble-Methode kombiniert Vorhersagen mehrerer Entscheidungsbäume durch Abstimmung?

Accepted Answer

Random Forest

Answer

AdaBoost

Answer

Bagging

Answer

Gradient Boosting

Question 29

Welche Datentypen können von einem Entscheidungsbaum verarbeitet werden?

Accepted Answer

Categorisch und numerisch

Answer

Nur kategorisch

Answer

Nur binär

Answer

Nur numerisch

Question 30

Was bestimmt den Verzweigungspfad in einem Entscheidungsbaum?

Accepted Answer

Entscheidungsregel

Answer

Hyperparameter

Answer

Wahrscheinlichkeit einer Klasse

Answer

Trainingsdaten

Question 31

Für welche Art von Datensätzen eignen sich Entscheidungsbäume weniger?

Accepted Answer

Lineare Beziehungen zwischen Merkmalen und Zielvariable

Answer

Nichtlineare Beziehungen zwischen Merkmalen und Zielvariable

Answer

Hohe Dimensionalität der Daten

Question 32

Was misst der Informationsgewinn in Bezug auf Entscheidungsbäume?

Accepted Answer

Reduktion der Unsicherheit

Answer

Baumkomplexität

Answer

Baumstabilität

Answer

Genauigkeit der Vorhersage

Question 33

Welche Aufteilungstechnik wird in Entscheidungsbäumen verwendet, um homogene Teilmengen zu erstellen?

Accepted Answer

Rekursive Aufteilung

Answer

K-Means-Clustering

Answer

Hierarchisches Clustering

Answer

Dichtebasierte Aufteilung

Question 34

Was ist der wesentliche Unterschied zwischen Entscheidungsbäumen und Entscheidungslisten?

Accepted Answer

Entscheidungsbäume sind hierarchisch, Entscheidungslisten linear

Answer

Entscheidungsbäume verarbeiten nur numerische Daten

Answer

Entscheidungsbäume sind komplexer

Question 35

Welche Aussage zum Pruning von Entscheidungsbäumen ist zutreffend?

Accepted Answer

Pruning kann Überanpassung reduzieren, aber auch die Genauigkeit beeinträchtigen

Answer

Pruning verbessert immer die Genauigkeit

Answer

Pruning entfernt nur unnötige Knoten

Question 36

In einem Entscheidungsbaum wird ein Knoten ohne Unterzweige als welcher Begriff bezeichnet?

Accepted Answer

Blatt

Answer

Zweig

Answer

Knoten

Answer

Wurzel

Question 37

Was ist das primäre Ziel des Prunings in Entscheidungsbäumen?

Accepted Answer

Überanpassung reduzieren

Answer

Trainingsprozess beschleunigen

Answer

Interpretierbarkeit verbessern

Answer

Vorhersagegenauigkeit erhöhen

Question 38

Welche Metrik wird häufig genutzt, um die Güte einer Aufteilung in Entscheidungsbäumen zu bewerten?

Accepted Answer

Informationsgewinn

Answer

Präzision

Answer

F-Maß

Answer

Genauigkeit

Question 39

Was ist der Zweck einer Entscheidungsregel in einem Entscheidungsbaum?

Accepted Answer

Pfad zum Blatt bestimmen

Answer

Vorhersagegenauigkeit bewerten

Answer

Informationsgewinn berechnen

Answer

Trainingsdaten speichern

Question 40

Was bedeutet der Begriff "Gini-Unreinheit" im Kontext von Entscheidungsbäumen?

Accepted Answer

Wahrscheinlichkeit einer Fehlklassifizierung

Answer

Tiefe des Baums

Answer

Informationsgewinn

Answer

Menge der Trainingsdaten

Question 41

Was ist die Hauptanwendung von Entscheidungsbäumen im Bereich des Maschinellen Lernens?

Accepted Answer

Klassifikation und Regression

Answer

Clustering

Answer

Anomalieerkennung

Answer

Dimensionsreduktion

Question 42

Was ist das Hauptziel des Beschneidens (Pruning) eines Entscheidungsbaums?

Accepted Answer

Reduzierung von Überanpassung und Verbesserung der Vorhersagegenauigkeit

Answer

Verbesserung der Interpretierbarkeit

Answer

Erhöhung der Baumtiefe

Question 43

Welche Ensemble-Methode kombiniert mehrere Entscheidungsbäume, um Vorhersagen zu treffen?

Accepted Answer

Random Forest

Answer

Gradient Boosting

Answer

Support-Vektor-Maschinen

Answer

Neuronale Netze

Question 44

Welche Regel wird verwendet, um einen Entscheidungsbaum anzuhalten, wenn ein Knoten erreicht ist?

Accepted Answer

Stoppkriterium

Answer

Wurzelregel

Answer

Beschneidungsregel

Answer

Entscheidungsregel

Question 45

Welche der folgenden Metriken wird NICHT zur Bewertung der Leistung von Entscheidungsbäumen verwendet?

Accepted Answer

Mean Absolute Error (MAE)

Answer

F-Maß

Answer

Genauigkeit

Question 46

Was ist eine Entscheidungsgrenze in einem Entscheidungsbaum?

Accepted Answer

Die Grenze, die ein Feature in zwei Untergruppen aufteilt

Answer

Der Knoten, der ein Feature darstellt

Answer

Der Pfad, der von der Wurzel zum Blatt führt

Question 47

Welches Attribut einer Instanz wird verwendet, um einen Entscheidungsbaum zu trainieren?

Accepted Answer

Eingabeattribut

Answer

Beschneidungsattribut

Answer

Zielattribut

Answer

Wurzelattribut

Question 48

Was ist der wesentliche Unterschied zwischen einem Entscheidungsbaum und einem Regelbaum?

Accepted Answer

Regelbäume erzeugen Regeln direkt, während Entscheidungsbäume zuerst Bäume erzeugen und dann Regeln.

Answer

Regelbäume sind genauer als Entscheidungsbäume.

Answer

Entscheidungsbäume erzeugen Regeln direkt, während Regelbäume zuerst Bäume erzeugen und dann Regeln.

Question 49

Welche der folgenden Aussagen zu Entscheidungsbäumen ist korrekt?

Accepted Answer

Sie können sowohl für Klassifizierungs- als auch für Regressionsprobleme verwendet werden und können nichtlineare Beziehungen modellieren.

Answer

Sie sind immer deterministische Modelle.

Answer

Sie sind nicht in der Lage, komplexe Beziehungen zu modellieren.

Question 50

Welche der folgenden Aussagen ist KEIN Vorteil von Entscheidungsbäumen?

Accepted Answer

Entscheidungsbäume sind unempfindlich gegenüber Ausreißern in den Daten.

Answer

Entscheidungsbäume können sowohl für Klassifikations- als auch für Regressionsaufgaben verwendet werden.

Answer

Entscheidungsbäume sind leicht zu interpretieren.

Question 51

Was ist der Zweck von Pruning beim Bau von Entscheidungsbäumen?

Accepted Answer

Überanpassung des Modells an die Trainingsdaten zu vermeiden und seine Generalisierungsleistung zu verbessern.

Answer

Die Rechenzeit des Modells zu reduzieren.

Answer

Die Anzahl der Entscheidungsregeln im Baum zu maximieren.

Question 52

Wie funktioniert die Ensemble-Methode "Random Forest"?

Accepted Answer

Durch die Kombination mehrerer Entscheidungsbäume, die auf zufälligen Teilmengen der Daten und Merkmalen trainiert wurden.

Answer

Durch die Anwendung von Boosting auf einen einzelnen Entscheidungsbaum.

Answer

Durch die Verwendung eines einzigen Entscheidungsbaums mit einer großen Anzahl von Knoten.

Answer

Durch die Verwendung eines einzigen Entscheidungsbaums, der alle verfügbaren Daten und Merkmale nutzt.

Question 53

Welche Aussage beschreibt am besten die Funktionsweise eines Entscheidungsbaums?

Accepted Answer

Ein Entscheidungsbaum verwendet eine Reihe von Entscheidungsregeln, um Daten in verschiedene Kategorien einzuteilen.

Answer

Ein Entscheidungsbaum berechnet die Wahrscheinlichkeit für jede Kategorie basierend auf den Eingabemerkmalen.

Answer

Ein Entscheidungsbaum identifiziert die wichtigsten Merkmale für die Vorhersage.

Answer

Ein Entscheidungsbaum ermittelt die optimale Cluster-Struktur in den Daten.

Question 54

Welche Eigenschaft macht Entscheidungsbäume zu "weiß-Box-Modellen"?

Accepted Answer

Die Entscheidungsregeln sind transparent und leicht nachvollziehbar.

Answer

Die Modelle verwenden komplexe mathematische Funktionen.

Answer

Die Modelle sind hochgradig komplex und schwer zu interpretieren.

Answer

Die Modelle basieren auf einem probabilistischen Ansatz.

Question 55

Welche Maßnahme hilft, Überanpassung bei Entscheidungsbäumen zu vermeiden?

Accepted Answer

Begrenzung der maximalen Tiefe des Baums.

Answer

Verwenden von mehr Trainingsdaten.

Answer

Erhöhung der Anzahl der Knoten im Baum.

Answer

Verwenden von weniger Trainingsdaten.

Question 56

Ein Entscheidungsbaum mit hoher Tiefe kann zu welchem Problem führen?

Accepted Answer

Überanpassung an die Trainingsdaten.

Answer

Geringere Komplexität.

Answer

Schnellere Trainingszeit.

Answer

Bessere Interpretierbarkeit.

Question 57

Welche der folgenden Methoden ist KEIN Beispiel für eine Ensemble-Methode bei Entscheidungsbäumen?

Accepted Answer

Support Vector Machines

Answer

Boosting

Answer

Random Forest

Answer

Bagging

Question 58

Welche Aufgabe ist AM BESTEN für die Verwendung eines Entscheidungsbaums geeignet?

Accepted Answer

Klassifizierung von Kunden in verschiedene Risikoklassen.

Answer

Generierung von neuen Texten.

Answer

Vorhersage des Aktienkurses für die nächsten fünf Jahre.

Answer

Gruppierung von Kunden basierend auf ihrem Kaufverhalten.

Question 59

Welcher der folgenden Aspekte stellt KEINEN Vorteil von Entscheidungsbäumen dar?

Accepted Answer

Komplexität bei der Interpretation, insbesondere bei großen Bäumen

Answer

Visuelle Darstellung für bessere Verständlichkeit

Answer

Guter Umgang mit fehlenden Daten durch Verwendung von Standardwerten

Answer

Einfache Implementierung und Nutzung

Question 60

Was ist der Hauptzweck des 'Pruning' bei Entscheidungsbäumen?

Accepted Answer

Überanpassung zu vermeiden und die Generalisierungsfähigkeit des Modells auf neue Daten zu verbessern

Answer

Die Anzahl der Knoten im Baum zu maximieren

Answer

Die Tiefe des Baumes zu erhöhen

Question 61

Welche der folgenden Metriken wird häufig zur Bewertung der Leistung eines Entscheidungsbaums verwendet?

Accepted Answer

Gini-Index

Answer

Support Vector Machine (ein Klassifikationsalgorithmus, keine Bewertungsmetrik)

Answer

K-Means Clustering (ein Clustering-Algorithmus, keine Bewertungsmetrik)

Answer

Lineare Regression (ein Regressionsalgorithmus, keine Bewertungsmetrik)

Question 62

Welche Art von Variable wird typischerweise als Wurzelknoten eines Entscheidungsbaums verwendet?

Accepted Answer

Prädiktive Variable (auch als unabhängige Variable bezeichnet)

Answer

Konstante Variable (hat keinen Einfluss auf das Ergebnis)

Answer

Abhängige Variable (gleiches wie Zielvariable)

Answer

Zielvariable (auch als abhängige Variable bezeichnet)

Question 63

Welche der folgenden Ensemble-Methoden basiert auf Entscheidungsbäumen?

Accepted Answer

Random Forest

Answer

Support Vector Machine (ein Klassifikationsalgorithmus, der nicht auf Entscheidungsbäumen basiert)

Answer

Lineare Regression (ein linearer Algorithmus)

Answer

K-Means Clustering (ein Clustering-Algorithmus)

Question 64

Wie werden Entscheidungsregeln in einem Entscheidungsbaum gebildet?

Accepted Answer

Durch die Analyse von Daten und die Auswahl der optimalen Aufteilungspunkte für jede Variable, um die beste Trennung der Daten zu erreichen

Answer

Durch manuelle Eingabe durch den Benutzer (wäre sehr zeitaufwendig und fehleranfällig)

Answer

Durch zufällige Zuweisung (würde zu einem inkonsistenten und unzuverlässigen Baum führen)