Evaluierungsmetriken im Maschinellen Lernen: Präzision, Rückruf und mehr

Question 1

Welche Faktoren beeinflussen die Auswahl einer geeigneten Evaluierungsmetrik für ein Machine-Learning-Modell?

Accepted Answer

Datenverteilung

Accepted Answer

Modelltyp

Accepted Answer

Untersuchungsziel

Answer

Alter

Question 2

Welche Aussage beschreibt die Genauigkeitsmetrik korrekt?

Accepted Answer

Gibt den Anteil der korrekt vorhergesagten Instanzen an

Answer

Misst den Abstand zwischen vorhergesagten und tatsächlichen Werten

Answer

Bestraft falsch positive Vorhersagen stärker als falsch negative

Answer

Kann nicht zur Bewertung von Modellen verwendet werden, die Klassen mit unterschiedlichen Verteilungen aufweisen

Question 3

Welcher Vorteil ergibt sich aus der Verwendung der mittleren absoluten Abweichung (MAE) anstelle des mittleren quadratischen Fehlers (MSE)?

Accepted Answer

MAE ist weniger anfällig für Ausreißer

Answer

MAE hat einen größeren Wertebereich als MSE

Answer

MAE ist für die Bewertung sowohl kontinuierlicher als auch kategorialer Zielvariablen geeignet

Answer

MAE ist leichter zu interpretieren als MSE

Question 4

Welche Metrik bewertet die Fähigkeit eines Modells, positive Fälle korrekt zu identifizieren?

Accepted Answer

Sensitivität

Answer

Spezifität

Answer

Präzision

Answer

F1-Score

Question 5

Welche Aussage über die ROC-AUC-Kurve ist nicht korrekt?

Accepted Answer

Sie entspricht immer der Genauigkeit

Answer

Sie fasst die Leistung eines Modells über alle möglichen Schwellenwerte zusammen

Answer

Sie ist eine dimensionslose Metrik mit einem Wertebereich von 0 bis 1

Answer

Sie ist für den Vergleich von Modellen mit unterschiedlichen Klassenverteilungen geeignet

Question 6

In welchem Fall sollte der Kappa-Koeffizient anstelle der Genauigkeit verwendet werden?

Accepted Answer

Wenn die Klassenverteilung unausgewogen ist

Answer

Wenn das Modell nur wenige Instanzen korrekt vorhergesagt hat

Answer

Wenn das Modell eine hohe Anzahl falsch positiver Vorhersagen gemacht hat

Answer

Wenn das Modell eine geringere Leistung als der Zufallswert aufweist

Question 7

Welche Metrik misst den Grad der Übereinstimmung zwischen zwei Variablen?

Accepted Answer

Korrelationskoeffizient

Answer

ROC-AUC

Answer

Kappa-Koeffizient

Answer

Mittlerer absoluter Fehler

Question 8

Welche der folgenden Metriken misst den mittleren absoluten Unterschied zwischen vorhergesagten und tatsächlichen Werten?

Accepted Answer

MAE (Mittlerer absoluter Fehler)

Answer

Recall (Sensitivität)

Answer

RMSE (Mittlerer quadratischer Fehler)

Answer

Precision (Genauigkeit)

Question 9

Welche Metrik gibt an, wie gut ein Modell positive Fälle korrekt identifiziert?

Accepted Answer

Recall (Sensitivität)

Answer

F1-Score

Answer

Precision (Genauigkeit)

Answer

Spezifität

Question 10

Welche Metrik berücksichtigt sowohl falsch positive als auch falsch negative Fehlklassifizierungen?

Accepted Answer

F1-Score

Answer

Precision (Genauigkeit)

Answer

AUC-ROC

Answer

Accuracy (Genauigkeit)

Question 11

Welche Metrik ist ein absolutes Maß für die Differenz zwischen vorhergesagten und tatsächlichen Werten?

Accepted Answer

MAE (Mittlerer absoluter Fehler)

Answer

RMSE (Mittlerer quadratischer Fehler)

Answer

MSE (Mittlerer quadratischer Fehler)

Answer

Varianz

Question 12

Welche Metrik misst die Übereinstimmung zwischen vorhergesagten und tatsächlichen Werten?

Accepted Answer

Korrelationskoeffizient

Answer

AUC-ROC

Answer

Varianz

Answer

MAE (Mittlerer absoluter Fehler)

Question 13

Welche Metrik misst den Anteil korrekt vorhergesagter positiver Fälle, auch als Anteil aller tatsächlichen positiven Fälle bekannt?

Accepted Answer

Sensitivität

Answer

Genauigkeit

Answer

Spezifität

Answer

F1-Score

Question 14

Welche Metrik wird zur Bewertung der Genauigkeit eines Modells bei kontinuierlichen Vorhersagen verwendet, z. B. bei der Vorhersage numerischer Werte?

Accepted Answer

Root Mean Squared Error (RMSE)

Answer

F1-Score

Answer

AUC

Answer

Sensitivität

Question 15

Welche Metrik berücksichtigt sowohl Sensitivität als auch Spezifität und bietet einen ausgewogenen Überblick über die Leistung eines Klassifizierungsmodells?

Accepted Answer

F1-Score

Answer

AUC

Answer

Recall

Answer

Genauigkeit

Question 16

Welche Metrik misst den Anteil falsch vorhergesagter negativer Fälle, auch bekannt als Anteil aller tatsächlichen negativen Fälle?

Accepted Answer

1 - Spezifität

Answer

Genauigkeit

Answer

Recall

Answer

Sensitivität

Question 17

Welche Technik ist besonders nützlich, um die Leistung eines Modells mit begrenzten Daten zu bewerten, indem es die Daten in mehrere Teilmengen aufteilt und sicherstellt, dass jeder Datenpunkt zur Bewertung und zum Training verwendet wird?

Accepted Answer

Cross Validation

Answer

Bootstrap

Answer

Holdout

Answer

Bagging

Question 18

Welche Metrik misst die Gesamtgenauigkeit eines Klassifikationsmodells?

Accepted Answer

Accuracy

Answer

F1-Score

Answer

ROC-AUC

Answer

Sensitivität

Question 19

Welche Metrik eignet sich besonders für imbalancierte Datensätze, bei denen eine Klasse deutlich unterrepräsentiert ist?

Accepted Answer

F1-Score

Answer

ROC-AUC

Answer

Präzision

Answer

Accuracy

Question 20

Welche Metrik misst den absoluten Unterschied zwischen vorhergesagten und tatsächlichen Werten in Regressionsmodellen?

Accepted Answer

Mean Absolute Error

Answer

Mean Squared Error

Answer

Root Mean Squared Error

Answer

Mean Percentage Error

Question 21

Welche Metrik misst die Fähigkeit eines Modells, wahre positive Instanzen korrekt zu identifizieren?

Accepted Answer

Sensitivität

Answer

Präzision

Answer

Spezifität

Answer

F1-Score

Question 22

Welche Metrik wird typischerweise zur Bewertung der Güte von Regressionsmodellen verwendet?

Accepted Answer

Mittlerer quadratischer Fehler

Answer

Genauigkeit

Answer

AUC

Answer

F1-Score

Question 23

Welche Metrik ist besonders nützlich bei der Bewertung der Leistung von Machine-Learning-Modellen in Bezug auf imbalancierte Datensätze?

Accepted Answer

AUC

Answer

Genauigkeit

Answer

Mittlerer absoluter Fehler

Answer

Recall

Question 24

Welche Metrik ist eine gewichtete Kombination aus Präzision und Rückruf?

Accepted Answer

F1-Score

Answer

R-Quadrat

Answer

Mittlerer absoluter Fehler

Answer

AUC

Question 25

Welche Metrik misst die Fläche unter der Receiver Operating Characteristic (ROC)-Kurve?

Accepted Answer

AUC

Answer

Genauigkeit

Answer

F1-Score

Answer

R-Quadrat

Question 26

Welche Metrik misst den Anteil korrekt vorhergesagter negativer Beispiele im Verhältnis zur Gesamtzahl der tatsächlichen negativen Beispiele?

Accepted Answer

Spezifität

Answer

F1-Score

Answer

Recall

Answer

Precision

Question 27

Welche Metrik ist hilfreich bei der Bewertung von Machine-Learning-Modellen, wenn die Kosten für falsch positive und falsch negative Vorhersagen unterschiedlich sind?

Accepted Answer

Kostenmatrix

Answer

Mittlerer absoluter Fehler

Answer

F1-Score

Answer

AUC

Question 28

Welche Metrik misst den Grad der Korrelation zwischen vorhergesagten und tatsächlichen Werten?

Accepted Answer

R-Quadrat

Answer

AUC

Answer

Genauigkeit

Answer

Mittlerer absoluter Fehler

Question 29

Welche Metrik ist besonders geeignet für die Bewertung der Clustering-Qualität?

Accepted Answer

Silhouette-Koeffizient

Answer

F1-Score

Answer

AUC

Answer

Mittlerer absoluter Fehler

Question 30

Wann ist die Verwendung des mittleren quadratischen Fehlers (MSE) als Metrik angemessen?

Accepted Answer

Bei der Bewertung von Regressionsmodellen

Answer

Wenn die Daten viele Ausreißer enthalten

Answer

Wenn das Modell zur Erkennung von Anomalien verwendet wird

Answer

Bei der Bewertung von Klassifizierungsmodellen

Question 31

Welche Eigenschaft einer Metrik macht sie anfällig für Klassendiskrepanzen?

Accepted Answer

Abhängigkeit von der Häufigkeit der Klassen

Answer

Berücksichtigt Falschpositive

Answer

Basiert auf Wahrscheinlichkeiten

Answer

Unabhängigkeit von der Datengröße

Question 32

Wann ist es angebracht, die Genauigkeitsmetrik zu verwenden?

Accepted Answer

Wenn die Klassen ungefähr gleich verteilt sind

Answer

Wenn die Daten viele Ausreißer enthalten

Answer

Wenn die Kosten für falsch positive und falsch negative Ergebnisse unterschiedlich sind

Answer

Wenn das Modell zur Vorhersage kontinuierlicher Werte verwendet wird

Question 33

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

Accepted Answer

Mittlerer absoluter Fehler (MAE)

Answer

Mittlerer prozentualer Fehler (MAPE)

Answer

Mittlere logarithmische quadratische Abweichung (MLSE)

Answer

Mittlerer quadratischer Fehler (MSE)

Question 34

Welche der folgenden Metriken misst die Fähigkeit eines Modells, tatsächliche positive Ergebnisse korrekt zu identifizieren?

Accepted Answer

Precision

Answer

F1-Score

Answer

Recall

Question 35

Welche der folgenden Metriken misst die Gesamtleistung eines Modells, indem sie sowohl Präzision als auch Rückruf berücksichtigt?

Accepted Answer

F1-Score

Answer

Recall

Answer

Genauigkeit (Accuracy)

Answer

Konfusionsmatrix

Question 36

Welche der folgenden Metriken wird verwendet, um die Rangfolge von Modellen zu bewerten, wenn die Klassenwahrscheinlichkeiten verfügbar sind?

Accepted Answer

ROC-AUC

Answer

R-Quadrat

Answer

Mittlerer quadratischer Fehler (MSE)

Question 37

Welche der folgenden Metriken misst den quadratischen Unterschied zwischen vorhergesagten und tatsächlichen Werten?

Accepted Answer

Mittlerer quadratischer Fehler (MSE)

Answer

Mittlerer absoluter Fehler (MAE)

Answer

Wurzel des mittleren quadratischen Fehlers (RMSE)

Answer

R-Quadrat

Question 38

Welche der folgenden Metriken wird verwendet, um die Genauigkeit eines Modells bei der Erkennung mehrerer Klassen gleichzeitig zu messen?

Accepted Answer

Mittlere Average Precision (mAP)

Answer

AUC

Answer

Genauigkeit (Accuracy)

Answer

F1-Score

Question 39

Welche der folgenden Metriken ist ein schwellenwertunabhängiges Maß für die Modellleistung, das nicht von einem bestimmten Schwellenwert abhängt?

Accepted Answer

AUC

Answer

Precision

Answer

Recall

Answer

F1-Score

Question 40

Welche der folgenden Metriken quantifiziert die Robustheit eines Modells gegenüber Rauschen oder Ausreißern?

Accepted Answer

Inter Quartile Range (IQR)

Answer

Root Mean Squared Error (RMSE)

Answer

R-Quadrat

Answer

Mean Absolute Error (MAE)

Question 41

Welche Metrik eignet sich besonders für unausgeglichene Datensätze, bei denen eine Klasse überproportional vertreten ist?

Accepted Answer

F1-Score

Answer

Mean Squared Error (MSE)

Answer

Area Under the Curve (AUC)

Answer

R-Quadrat

Question 42

Welche Metrik misst die Rangkorrelation zwischen vorhergesagten und tatsächlichen Werten?

Accepted Answer

Spearman's Rangkorrelationskoeffizient

Answer

Pearson-Korrelationskoeffizient

Answer

AUC

Answer

ROC-Kurve

Question 43

Welche Metrik bestimmt die Fähigkeit eines Modells, positive Fälle korrekt zu identifizieren?

Accepted Answer

Precision

Answer

Recall

Answer

Accuracy

Answer

F1-Score

Question 44

Welche Metrik misst die Fähigkeit eines Modells, negative Fälle korrekt zu identifizieren?

Accepted Answer

Recall

Answer

Precision

Answer

Accuracy

Answer

F1-Score

Question 45

Welche Metrik misst den Anteil der korrekt vorhergesagten Fälle in relation zu allen Fällen?

Accepted Answer

Accuracy

Answer

Precision

Answer

Recall

Question 46

Welche Metrik misst die Fähigkeit eines Modells, Signale von Rauschen zu unterscheiden?

Accepted Answer

Signal-Rausch-Verhältnis (SNR)

Answer

Precision

Answer

Recall

Answer

Accuracy

Question 47

Welche Metrik gibt an, wie gut ein Modell **echte positive Fälle** korrekt identifiziert?

Accepted Answer

Sensitivität (auch bekannt als Recall oder True Positive Rate)

Answer

Genauigkeit (der Anteil der korrekten Vorhersagen)

Answer

Spezifität (auch bekannt als True Negative Rate, misst die Fähigkeit, **echte negative Fälle** korrekt zu identifizieren)

Answer

F1-Maß (ein Mittelwert aus Präzision und Sensitivität)

Question 48

Welche Metrik wird verwendet, um die Fähigkeit eines Modells zu beurteilen, verschiedene Klassen zu unterscheiden, insbesondere bei **ungleichmäßig verteilten Daten**?

Accepted Answer

AUC-ROC (Area under the Receiver Operating Characteristic Curve)

Answer

R-Quadrat (bestimmt, welcher Anteil der Varianz der abhängigen Variablen durch das Modell erklärt wird) - **Regression**

Answer

F1-Maß (ein Mittelwert aus Präzision und Sensitivität) - **Klassifikation**

Answer

MAE (Mean Absolute Error) - misst den durchschnittlichen absoluten Fehler in **Regression**

Question 49

Welche Metrik misst den durchschnittlichen absoluten Fehler, den ein Modell bei der Vorhersage von **kontinuierlichen Werten** macht?

Accepted Answer

MAE (Mean Absolute Error)

Answer

MSE (Mean Squared Error) -  quadriert die Fehler, daher empfindlicher gegenüber Ausreißern

Answer

RMSE (Root Mean Squared Error) -  die Quadratwurzel von MSE, gibt die Fehler in der gleichen Einheit wie die Zielvariable an

Answer

R-Quadrat (bestimmt, welcher Anteil der Varianz der abhängigen Variablen durch das Modell erklärt wird) -  misst die Güte der Anpassung

Question 50

Welche Metrik wird verwendet, um die Stärke der Beziehung zwischen den **tatsächlichen Werten** und den **Vorhersagen** eines Modells zu messen?

Accepted Answer

R-Quadrat (auch bekannt als Determinationskoeffizient)

Answer

MAE (Mean Absolute Error) - misst den durchschnittlichen absoluten Fehler

Answer

AUC-ROC (Area under the Receiver Operating Characteristic Curve) -  für die Bewertung der Leistung von Klassifikationsmodellen

Answer

RMSE (Root Mean Squared Error) - misst den durchschnittlichen Fehler, aber in der Einheit der Zielvariable

Question 51

Welche Metrik misst den Anteil der **falsch negativen** Vorhersagen eines Modells?

Accepted Answer

1 - Sensitivität (auch bekannt als 1 - Recall)

Answer

1 - Genauigkeit (1 minus der Anzahl der korrekten Vorhersagen)

Answer

1 - Spezifität (auch bekannt als 1 - True Negative Rate)

Answer

1 - F1-Maß (1 minus der harmonischen Mittel aus Präzision und Sensitivität)

Question 52

Welche Metrik misst die Wahrscheinlichkeit, dass eine **positive Vorhersage** des Modells korrekt ist (d. h. der tatsächliche Wert ist positiv)?

Accepted Answer

Positiver Vorhersagewert (auch bekannt als Präzision)

Answer

Negativer Vorhersagewert -  misst die Wahrscheinlichkeit einer korrekten negativen Vorhersage

Answer

Spezifität (True Negative Rate) - misst die Fähigkeit, negative Fälle korrekt zu identifizieren

Answer

Sensitivität (True Positive Rate) -  misst die Fähigkeit, positive Fälle korrekt zu identifizieren

Question 53

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

Accepted Answer

Genauigkeit

Answer

AUC

Answer

F1-Score

Answer

ROC

Question 54

Welche Metrik misst den durchschnittlichen Abstand zwischen den vorhergesagten Werten und den tatsächlichen Werten in einem Regressionsmodell?

Accepted Answer

Mittlerer absoluter Fehler

Answer

R-Quadrat

Answer

Mittlerer prozentualer Fehler

Answer

Erklärte Varianz

Question 55

Welche Metrik gibt den Bereich unter der ROC-Kurve an?

Accepted Answer

AUC

Answer

Recall

Answer

Spezifität

Answer

Genauigkeit

Question 56

Welche Metrik gibt den Prozentsatz der Werte an, die innerhalb eines bestimmten Konfidenzintervalls vom Mittelwert fallen?

Accepted Answer

Konfidenzintervall

Answer

Hypothesentest

Answer

Gaußsche Verteilung

Answer

Standardabweichung

Question 57

Welche Metrik ist geeignet, um die Stabilität eines Modells über verschiedene Datensätze zu messen?

Accepted Answer

Kreuzvalidierung

Answer

AUC-PR

Answer

F1-Score

Answer

AUC-ROC

Question 58

Welche Metrik berücksichtigt die Kosten fehlerhafter Vorhersagen bei der Auswahl des optimalen Grenzwerts für eine Klassifikationsaufgabe?

Accepted Answer

ROC-Kurve

Answer

Genauigkeit

Answer

F1-Score

Answer

AUC

Question 59

Was ist der wesentliche Unterschied zwischen Präzision und Trefferquote (Recall) bei der Bewertung eines Klassifikationsmodells?

Accepted Answer

Präzision misst den Anteil der korrekt als positiv vorhergesagten Instanzen unter allen als positiv vorhergesagten, während Trefferquote den Anteil der korrekt als positiv vorhergesagten Instanzen unter allen tatsächlich positiven Instanzen misst.

Answer

Präzision misst den Anteil der korrekt als negativ vorhergesagten Instanzen unter allen als negativ vorhergesagten, während Trefferquote den Anteil der korrekt als negativ vorhergesagten Instanzen unter allen tatsächlich negativen Instanzen misst.

Question 60

Welche Metrik wird typischerweise zur Bewertung der Leistung von Regressionsmodellen verwendet, die kontinuierliche Zielvariablen vorhersagen?

Accepted Answer

Root Mean Squared Error (RMSE)

Answer

F1-Score

Answer

Accuracy

Answer

Area Under the Curve (AUC)

Question 61

Was ist der Hauptzweck einer Konfusionsmatrix bei der Bewertung eines Klassifikationsmodells?

Accepted Answer

Sie gibt Aufschluss über die Anzahl der korrekt und falsch vorhergesagten Instanzen für jede Klasse und ermöglicht so die Analyse von Klassifikationsfehlern.

Answer

Sie berechnet den prozentualen Anteil der korrekten Vorhersagen.

Question 62

Was ist Overfitting im Kontext von Machine Learning und wie kann man es erkennen?

Accepted Answer

Overfitting tritt auf, wenn sich ein Modell zu sehr an die Besonderheiten der Trainingsdaten anpasst und dadurch die Fähigkeit verliert, neue, ungesehene Daten korrekt vorherzusagen. Es kann durch eine große Diskrepanz zwischen der Leistung des Modells bei den Trainingsdaten und bei unabhängigen Testdaten erkannt werden.

Answer

Overfitting tritt auf, wenn ein Modell nicht in der Lage ist, die Trainingsdaten ausreichend zu lernen und infolgedessen sowohl auf Trainings- als auch auf Testdaten schlecht abschneidet.

Question 63

Welche der folgenden Aussagen zur Kreuzvalidierung ist korrekt?

Accepted Answer

Kreuzvalidierung ist eine Methode zur Bewertung der Leistung eines Modells, bei der die Daten in mehrere Teilmengen aufgeteilt werden, wobei jede Teilmenge als Testmenge verwendet wird, während die übrigen Teilmengen zum Trainieren des Modells dienen.

Answer

Kreuzvalidierung ist eine Methode zur Vorverarbeitung von Daten.

Question 64

Was ist der Unterschied zwischen einem True Positive (TP) und einem False Positive (FP) in einer Konfusionsmatrix?

Accepted Answer

Ein TP ist eine korrekt als positiv vorhergesagte Instanz, während ein FP eine fälschlicherweise als positiv vorhergesagte Instanz ist.

Answer

Ein TP ist eine korrekt als negativ vorhergesagte Instanz, während ein FP eine fälschlicherweise als negativ vorhergesagte Instanz ist.