Datenmodellierung lernen: Quizfragen und Übungen

Question 1

Welcher Schritt ist **nicht** Teil des Datenmodellierungsprozesses?

Accepted Answer

Das Modell bereitstellen

Answer

Daten sammeln und bereinigen

Answer

Ein Modell erstellen

Answer

Die Modellleistung bewerten

Question 2

Welche Aussage beschreibt die lineare Regression am treffendsten?

Accepted Answer

Modelliert den linearen Zusammenhang zwischen einer abhängigen und einer oder mehreren unabhängigen Variablen.

Answer

Kategorisiert Datenpunkte.

Answer

Ist nur für numerische Daten geeignet.

Answer

Ist immer das beste Modell zur Vorhersage von Werten.

Question 3

Welche Aussage über lineare Regressionen beschreibt deren Grundprinzip korrekt?

Accepted Answer

Modellierung linearer Beziehungen zwischen abhängigen und unabhängigen Variablen

Answer

Verwendung quadratischer Funktionen für die Anpassung von Daten

Answer

Eignung ausschließlich für die Vorhersage binärer abhängiger Variablen

Question 4

Welches Maß dient zur Beurteilung der Güte der Anpassung einer logistischen Regression?

Accepted Answer

AUC (Area Under the Curve)

Answer

R-Quadrat

Answer

Mittlerer absoluter Fehler

Answer

Korrelationskoeffizient

Question 5

Welcher Algorithmus wird typischerweise zum Trainieren von Entscheidungsbäumen verwendet?

Accepted Answer

ID3 (Iterative Dichotomiser 3)

Answer

Lineare Regression

Answer

Naive Bayes

Answer

K-Means-Clustering

Question 6

Welche Technik kann in linearen Regressionen angewendet werden, um Überanpassung zu verhindern?

Accepted Answer

Regularisierung

Answer

Feature-Skalierung

Answer

Datennormalisierung

Answer

Hauptkomponentenanalyse (PCA)

Question 7

Welche der folgenden Aussagen zur linearen Regression trifft zu?

Accepted Answer

Sie modelliert die lineare Beziehung zwischen einer **abhängigen** Variablen und einer oder mehreren **unabhängigen** Variablen.

Answer

Sie wird immer eine **perfekte** Anpassung an die Daten erzielen.

Question 8

Welches der folgenden Maße gibt Auskunft über die Güte der Anpassung eines logistischen Regressionsmodells?

Accepted Answer

AUC (Area Under **Curve**)

Answer

R-**Quadrat**

Answer

Standardabweichung

Answer

Mittlerer **absoluter** Fehler

Question 9

Welche der folgenden Techniken wird verwendet, um Überanpassung in Entscheidungsbäumen zu vermeiden?

Accepted Answer

Beschneidung

Answer

Regression

Answer

Clustering

Answer

Klassifikation

Question 10

Was ist das Ziel der **Normalisierung** von Daten vor der Modellierung?

Accepted Answer

Skalierung der Daten auf einen bestimmten Bereich, um die **Konvergenz** des Modells zu verbessern.

Answer

Reduzierung der Anzahl der **Attribute**

Answer

Entfernung von **Ausreißern**

Question 11

Was ist der Unterschied zwischen einer **kategorialen** und einer **numerischen** Variablen?

Accepted Answer

Kategoriale Variablen haben **diskrete** Werte, während numerische Variablen **kontinuierliche** Werte haben.

Answer

Kategoriale Variablen können nur **binär** sein, während numerische Variablen beliebige Werte annehmen können.

Question 12

Welche der folgenden Aussagen zur **Dimensionalitätsreduktion** ist korrekt?

Accepted Answer

Sie hilft, die Anzahl der Attribute in einem Datensatz zu reduzieren, ohne wesentliche **Informationen** zu verlieren.

Answer

Sie ist immer **vorteilhaft**, unabhängig von der Größe des Datensatzes.

Question 13

Welche der folgenden Metriken wird verwendet, um die Leistung eines **Klassifizierungsmodells** zu bewerten?

Accepted Answer

Genauigkeit

Answer

Mittelwert

Answer

Korrelation

Answer

Standardabweichung

Question 14

Was ist das Hauptziel der **Datenbereinigung**?

Accepted Answer

Identifizierung und Korrektur von **Fehlern** und **Inkonsistenzen** in einem Datensatz.

Answer

Visualisierung von Daten

Answer

Umsetzung eines **maschinellen Lernmodells**

Question 15

Welche der folgenden Techniken kann verwendet werden, um **fehlende Werte** in einem Datensatz zu behandeln?

Accepted Answer

Imputation

Answer

Attributauswahl

Answer

Clustering

Answer

Regression

Question 16

Welche der folgenden Metriken misst den Anteil der durch das lineare Regressionsmodell erklärten Varianz in den Zielwerten?

Accepted Answer

R²

Answer

MAE

Answer

Sensitivität

Answer

F1-Score

Question 17

Welcher der folgenden Algorithmen wird zur Aufteilung eines Entscheidungsbaums in Teilbäume verwendet?

Accepted Answer

ID3

Answer

SVM

Answer

K-Means

Question 18

Welche Funktion erfüllen Dummy-Variablen in einem logistischen Regressionsmodell?

Accepted Answer

Umwandlung kategorialer Variablen in numerische Werte

Answer

Reduzierung der Modellkomplexität

Answer

Normalisierung der Daten

Question 19

Welcher der folgenden Vorteile ist mit der Verwendung von L1-Regularisierung in linearen Regressionsmodellen verbunden?

Accepted Answer

Reduzierung von Überanpassung und Merkmalsauswahl

Answer

Verbesserte Konvergenzgeschwindigkeit

Answer

Erhöhte Modellkomplexität

Question 20

Welche Technik zielt darauf ab, die Überanpassung eines Entscheidungsbaums zu minimieren?

Accepted Answer

Pruning

Answer

Cross-Validation

Answer

Boosting

Answer

Bagging

Question 21

Warum wird Feature-Skalierung in einem logistischen Regressionsmodell durchgeführt?

Accepted Answer

Verbesserung der numerischen Stabilität und Beschleunigung der Konvergenz

Answer

Erhöhung der Modellgenauigkeit

Answer

Reduzierung der Datenabhängigkeit

Question 22

Welche Größe gibt an, wie gut ein Modell auf neuen Daten generalisieren wird?

Accepted Answer

Generalisierungsfehler

Answer

Trainingsfehler

Answer

Testfehler

Answer

Validierungsfehler

Question 23

Was ist die Definition eines Hyperparameters in einem maschinellen Lernmodell?

Accepted Answer

Ein Parameter, der das Modell selbst steuert, nicht die Daten

Answer

Ein Parameter, der aus den Daten gelernt wird

Answer

Ein Merkmal, das das Modell vorhersagt

Question 24

Welche Methode wird verwendet, um die Robustheit eines Modells gegenüber Ausreißern zu erhöhen?

Accepted Answer

Medianregression

Answer

Lineare Regression

Answer

Entscheidungsbäume

Answer

Logistische Regression

Question 25

Welche der folgenden Aussagen beschreibt präzise das Ziel der Datenmodellierung?

Accepted Answer

Das Verständnis der zugrunde liegenden Konzepte zu vertiefen und ihre praktische Anwendbarkeit zu verbessern

Answer

Daten grafisch darzustellen, um Entwicklungen und Muster zu identifizieren

Answer

Unüberschaubare Datensätze zu vereinfachen, um sie verständlicher zu machen

Question 26

Welche Methode findet in der linearen Regression Anwendung, um die Beziehung zwischen unabhängigen und abhängigen Variablen zu modellieren?

Accepted Answer

Methode der kleinsten Quadrate

Answer

Gradientenabstieg

Answer

Maximum-Likelihood-Schätzung

Answer

Entscheidungsbäume

Question 27

Mit welchem Maß lässt sich die Güte der Anpassung eines Entscheidungsbaums beurteilen?

Accepted Answer

Gini-Koeffizient

Answer

Korrelationskoeffizient

Answer

Mittlere quadratische Abweichung

Answer

Mittlerer absoluter Fehler

Question 28

Erläutern Sie den Zweck des Beschneidens von Daten im Kontext der Datenmodellierung.

Accepted Answer

Entfernung von Ausreißern und Rauschen, um die Modellgenauigkeit zu erhöhen

Answer

Vergrößerung des Datensatzes, um die Repräsentativität zu verbessern

Answer

Konvertierung numerischer Daten in kategoriale Daten, um die Verarbeitung zu vereinfachen

Question 29

Was ist der Zweck einer Entscheidungsbaumvisualisierung?

Accepted Answer

Darstellung der Entscheidungsregeln und der Beziehungen zwischen den Zweigen

Answer

Vorhersage zukünftiger Ergebnisse

Answer

Berechnung der Modellgenauigkeit

Question 30

Welches Merkmal deutet auf ein gut angepasstes Modell hin?

Accepted Answer

Niedrige Fehlklassifikationsrate

Answer

Komplexer Algorithmus

Answer

Hohe Anzahl von Merkmalen

Answer

Große Trainingsdatenmenge

Question 31

Welche Aussage über lineare Regression trifft zu?

Accepted Answer

Sie beschreibt eine lineare Beziehung zwischen einer abhängigen und einer oder mehreren unabhängigen Variablen.

Answer

Sie eignet sich ausschließlich für binäre Zielvariablen.

Answer

Sie kann nur für einfache Datensätze mit wenigen Variablen verwendet werden.

Question 32

Was ist das primäre Ziel beim Lernen mit Entscheidungsbäumen?

Accepted Answer

Die rekursive Aufteilung von Daten in einem hierarchischen Modell.

Answer

Die Maximierung der Log-Likelihood.

Answer

Die Minimierung der Summe der quadrierten Fehler.

Question 33

Warum ist Datenaufbereitung für die Datenmodellierung entscheidend?

Accepted Answer

Sie stellt sicher, dass die Datenqualität und Eignung für die Modellierung optimal sind.

Answer

Sie kann vollständig automatisiert werden und erfordert keine menschliche Interaktion.

Answer

Sie ist nur für numerische Daten notwendig.

Question 34

Welche Faktoren sollten bei der Auswahl eines Datenmodells berücksichtigt werden?

Accepted Answer

Genauigkeit, Interpretierbarkeit und Komplexität.

Answer

Nur Komplexität.

Answer

Nur Genauigkeit.

Answer

Nur Interpretierbarkeit.

Question 35

Was ist der Vorteil der Kreuzvalidierung?

Accepted Answer

Sie liefert eine zuverlässigere Schätzung der Modellleistung als eine einmalige Aufteilung in Trainings- und Testsätze.

Answer

Sie erfordert keine Aufteilung der Daten in Trainings- und Testsätze.

Answer

Sie kann nur für Modelle mit wenigen Parametern angewendet werden.

Question 36

Warum ist die Modellevaluierung ein wichtiger Bestandteil der Datenmodellierung?

Accepted Answer

Sie ist essentiell für die Bewertung der Modellqualität und -leistung.

Answer

Sie ist nur für komplexe Modelle relevant.

Answer

Sie kann vernachlässigt werden, wenn das Modell eine hohe Genauigkeit erreicht.

Question 37

Was ist das Hauptziel der Modellimplementierung?

Accepted Answer

Die Bereitstellung eines einsatzbereiten Modells für die Produktion.

Answer

Die Entwicklung eines Modells mit maximaler Genauigkeit.

Answer

Die Optimierung der Modellparameter.