Überwachtes Lernen: Quizfragen und Übungen für Programmierung für Data Science

Question 1

Welche Hauptkategorien von Problemen des überwachten Lernens gibt es?

Accepted Answer

Klassifizierung und Regression

Answer

Clustering und Regression

Answer

Dimensionale Reduktion und Feature-Engineering

Answer

Neuronale Netze und Entscheidungsbäume

Question 2

Welcher Algorithmus eignet sich für binäre Klassifizierungsprobleme?

Accepted Answer

Logistische Regression

Answer

Lineare Regression

Answer

K-Means-Clustering

Answer

Entscheidungsbäume

Question 3

Welche Metrik verwendet man zur Bewertung der Leistung eines Regressionsmodells?

Accepted Answer

Mittlerer absoluter Fehler

Answer

Genauigkeit

Answer

F1-Score

Answer

ROC-AUC

Question 4

Welchem Zweck dient die Kreuzvalidierung?

Accepted Answer

Überanpassung verhindern

Answer

Die Modellleistung verbessern

Answer

Neue Datenpunkte generieren

Answer

Die Trainingszeit reduzieren

Question 5

Welche Datenart benötigt überwachtes Lernen?

Accepted Answer

Markierte Daten

Answer

Unmarkierte Daten

Answer

Strukturierte Daten

Answer

Unstrukturierte Daten

Question 6

Welche Aussage über Entscheidungsbäume trifft zu?

Accepted Answer

Sie eignen sich für Klassifikations- und Regressionsaufgaben.

Answer

Sie sind parametrische Modelle.

Answer

Sie sind nicht anfällig für Überanpassung.

Answer

Sie erfordern immer numerische Eingabedaten.

Question 7

Welche Aussage über Regularisierungstechniken ist falsch?

Accepted Answer

Sie verbessern immer die Modellleistung.

Answer

Sie können Überanpassung reduzieren.

Answer

Sie fügen dem Verlust Funktionsstrafen hinzu.

Answer

Sie können sowohl für Klassifizierungs- als auch für Regressionsmodelle verwendet werden.

Question 8

Welchen Modelltyp verwendet man, um die Wahrscheinlichkeit eines Ereignisses vorherzusagen?

Accepted Answer

Klassifikationsmodell

Answer

Regressionsmodell

Answer

Clustermodell

Answer

Neuronales Netzwerk

Question 9

Wie unterscheiden sich Bias und Varianz im Zusammenhang mit überwachtem Lernen?

Accepted Answer

Bias ist ein systematischer Fehler, Varianz ein zufälliger.

Answer

Varianz ist ein systematischer Fehler, Bias ein zufälliger.

Answer

Bias und Varianz sind dasselbe.

Answer

Bias und Varianz treten nie auf.

Question 10

Welche der folgenden Aufgaben ist ein Beispiel für überwachtes Lernen?

Accepted Answer

Ein Modell zur Vorhersage von Hauspreisen anhand historischer Verkaufsdaten trainieren

Answer

Kunden anhand ihrer Kaufhistorie in Gruppen einteilen

Answer

Neue Bilder aus Rauschen generieren

Question 11

Welche Art von überwachtem Lernalgorithmus wird verwendet, um kategorische Ergebnisse vorherzusagen?

Accepted Answer

Klassifikationsalgorithmus

Answer

Regressionsalgorithmus

Answer

Assoziationsregelalgorithmus

Answer

Clusteralgorithmus

Question 12

Welche Metrik wird verwendet, um die Gesamtleistung eines Klassifikationsmodells zu messen?

Accepted Answer

Accuracy

Answer

Mean Absolute Error

Answer

Root Mean Squared Error

Answer

F1-Score

Question 13

Welcher der folgenden Algorithmen ist ein Beispiel für einen linearen Klassifikator?

Accepted Answer

Lineare Diskriminanzanalyse

Answer

Support-Vektor-Maschine

Answer

Entscheidungsbaum

Answer

Naive-Bayes-Klassifikator

Question 14

Welcher der folgenden Algorithmen ist ein Beispiel für einen nichtlinearen Klassifikator?

Accepted Answer

Support-Vektor-Maschine mit Kernel

Answer

Naive-Bayes-Klassifikator

Answer

Lineare Diskriminanzanalyse

Question 15

Welche Metrik wird verwendet, um die Genauigkeit eines Regressionsmodells zu messen?

Accepted Answer

Root Mean Squared Error

Answer

Gini-Koeffizient

Answer

F1-Score

Answer

Accuracy

Question 16

Was ist der Zweck einer Testmenge bei der Bewertung eines überwachten Lernmodells?

Accepted Answer

Unveröffentlichte Daten zur Messung der Generalisierungsleistung heranziehen

Answer

Modellparameter anpassen

Answer

Modellleistung auf Trainingsdaten bewerten

Question 17

Welche der folgenden Herausforderungen ist mit überwachtem Lernen verbunden?

Accepted Answer

Kann zu Überanpassung führen

Answer

Erfordert immer große Datenmengen

Answer

Ist nicht für Echtzeitanwendungen geeignet

Answer

Kann nicht für unstrukturierte Daten verwendet werden

Question 18

Welcher Schritt gehört NICHT zum Prozess des überwachten Lernens?

Accepted Answer

Bildsegmentierung

Answer

Datenerfassung und -aufbereitung

Answer

Modelltraining

Answer

Modellauswertung

Question 19

Welches ist das primäre Ziel des überwachten Lernens?

Accepted Answer

Vorhersagen über unbekannte Daten zu treffen

Answer

Modelle anhand unbeschrifteter Daten zu trainieren

Answer

Die Leistung von Algorithmen zu bewerten

Answer

Daten zu sammeln und zu verarbeiten

Question 20

Welche Art von Daten wird im überwachten Lernen zur Modellerstellung verwendet?

Accepted Answer

Beschriftete Daten

Answer

Validierungsdaten

Answer

Unbeschriftete Daten

Answer

Rohdaten

Question 21

Welche der folgenden Aufgaben ist ein Beispiel für ein Klassifikationsproblem?

Accepted Answer

Zu bestimmen, ob eine E-Mail Spam ist

Answer

Das Alter einer Person vorherzusagen

Answer

Den Aktienkurs zu prognostizieren

Answer

Die Wahrscheinlichkeit eines Erdbebens vorherzusagen

Question 22

Was ist das Ziel der Regularisierung beim überwachten Lernen?

Accepted Answer

Überanpassung zu verhindern

Answer

Die Vorhersagegenauigkeit zu verbessern

Answer

Die Rechenzeit zu reduzieren

Answer

Die Modellkomplexität zu erhöhen

Question 23

Welcher der folgenden Algorithmen ist ein Beispiel für einen linearen Klassifikator?

Accepted Answer

Logistische Regression

Answer

Entscheidungsbäume

Answer

Support-Vektor-Maschinen

Answer

Neuronale Netze

Question 24

Welcher Nachteil ist mit der Verwendung von Entscheidungsbäumen beim überwachten Lernen verbunden?

Accepted Answer

Anfälligkeit für Überanpassung

Answer

Hohe Rechenkomplexität

Answer

Schwierigkeit bei der Interpretation

Answer

Erfordernis großer Datensätze

Question 25

Welcher der folgenden Algorithmen ist ein überwachter Klassifizierungsalgorithmus?

Accepted Answer

Support Vector Machine (SVM)

Answer

K-Means-Clustering

Answer

Principal Component Analysis (PCA)

Answer

Apriori

Question 26

Was ist das primäre Ziel einer Regressionsaufgabe?

Accepted Answer

Vorhersage kontinuierlicher Werte

Answer

Reduzierung der Dimensionalität

Answer

Vorhersage kategorialer Werte

Answer

Erkennung von Anomalien

Question 27

Welche Metrik wird typischerweise zur Evaluierung der Leistung eines Klassifikationsmodells herangezogen?

Accepted Answer

F1-Score

Answer

Erklärungsgrad (R2)

Answer

Mittlerer absoluter Fehler (MAE)

Answer

Mittlere quadratische Abweichung (MSE)

Question 28

Worin besteht der Zweck von Überanpassung?

Accepted Answer

Verbesserte Leistung auf Trainingsdaten

Answer

Verbesserte Leistung auf Testdaten

Answer

Erhöhte Vorhersagegenauigkeit

Answer

Reduzierte Varianz

Question 29

Was versteht man unter einem Hyperparameter in einem überwachten Lernmodell?

Accepted Answer

Ein Parameter, der vor dem Training des Modells festgelegt wird

Answer

Ein Merkmal, das aus den Daten extrahiert wird

Answer

Ein Parameter, der während des Trainings des Modells gelernt wird

Question 30

Welcher der folgenden Datentypen ist für eine Regressionsaufgabe geeignet?

Accepted Answer

Numerisch

Answer

Kategorisch

Answer

Textuell

Answer

Binär

Question 31

Was ist der Hauptunterschied zwischen überwachtem und unüberwachtem Lernen?

Accepted Answer

Überwachtes Lernen verwendet markierte Daten, während unüberwachtes Lernen unmarkierte Daten verwendet.

Answer

Überwachtes Lernen ist für Klassifizierungsaufgaben, während unüberwachtes Lernen für Regressionsaufgaben verwendet wird.

Question 32

Was ist das Hauptziel des Kreuzvalidierungsverfahrens?

Accepted Answer

Schätzung der Generalisierungsleistung eines Modells

Answer

Reduzierung von Überanpassung

Answer

Auswahl der besten Hyperparameter

Question 33

Welches Verfahren des überwachten Lernens wird verwendet, um vorherzusagen, zu welcher Kategorie ein Datensatz gehört?

Accepted Answer

Klassifikation

Answer

Regression

Answer

Dimensionale Reduktion

Answer

Clusteranalyse

Question 34

Welcher Algorithmus wird häufig für die Modellierung linearer Zusammenhänge zwischen Variablen verwendet?

Accepted Answer

Gradientenabstieg

Answer

Support Vector Machines

Answer

Naive Bayes

Answer

K-Means-Clustering

Question 35

Welcher Algorithmus verwendet eine Kernel-Funktion, um nichtlineare Daten in einen höherdimensionalen Raum abzubilden, um eine bessere Trennung zu ermöglichen?

Accepted Answer

Support Vector Machine

Answer

Naive Bayes

Answer

Lineare Regression

Answer

Entscheidungsbaum

Question 36

Welche Metrik wird verwendet, um die Qualität der Trennung zwischen Klassen in einem Klassifikationsmodell zu beurteilen?

Accepted Answer

Trenngrenze

Answer

Informationsgewinn

Answer

Entropie

Answer

F1-Score

Question 37

Welche Methode wird verwendet, um die Varianz in einem Ensemble-Modell zu reduzieren, indem mehrere Modelle mit unterschiedlichen Teilmengen der Daten trainiert werden?

Accepted Answer

Bagging

Answer

Boosting

Answer

Stacking

Answer

Clustering

Question 38

Welche der folgenden Aufgaben ist **kein** Beispiel für überwachtes Lernen?

Accepted Answer

Ein Chatbot zu trainieren, der natürliche Sprache versteht.

Answer

Ein Modell zu trainieren, um Spam-E-Mails zu erkennen.

Answer

Ein Modell zu trainieren, um die Stimmung in Social-Media-Kommentaren zu klassifizieren.

Answer

Ein Modell zu trainieren, um den Preis von Häusern vorherzusagen.

Question 39

Welcher der folgenden Algorithmen ist **kein** Algorithmus für überwachtes Lernen?

Accepted Answer

K-Means Clustering

Answer

Entscheidungsbäume

Answer

Logistische Regression

Answer

Support Vector Machines (SVM)

Question 40

Welche der folgenden Metriken wird **nicht** zur Bewertung von Modellen im überwachten Lernen verwendet?

Accepted Answer

Silhouette-Score

Answer

Genauigkeit (Accuracy)

Answer

Präzision (Precision)

Answer

Rückruf (Recall)

Question 41

Welche der folgenden Aussagen über überwachtes Lernen ist **falsch**?

Accepted Answer

Überwachtes Lernen kann nur verwendet werden, um numerische Daten zu analysieren.

Answer

Überwachtes Lernen erfordert markierte Daten.

Answer

Überwachtes Lernen ist eine Art des maschinellen Lernens.

Answer

Überwachtes Lernen kann verwendet werden, um neue Daten zu klassifizieren oder vorherzusagen.

Question 42

Was ist der Unterschied zwischen Klassifikation und Regression im überwachten Lernen?

Accepted Answer

Klassifikation ordnet Daten in Kategorien ein, während Regression Werte vorhersagt.

Answer

Klassifikation und Regression sind Synonyme.

Answer

Klassifikation verwendet numerische Daten, während Regression kategorische Daten verwendet.

Answer

Klassifikation ist ein einfacher Algorithmus, während Regression komplexer ist.

Question 43

Ein Datensatz enthält Informationen über Kunden, einschließlich Alter, Geschlecht und Einkommensniveau. Das Ziel ist es, ein Modell zu trainieren, um vorherzusagen, ob ein Kunde ein bestimmtes Produkt kaufen wird. Welche Art von überwachtem Lernen ist dies?

Accepted Answer

Klassifikation

Answer

Unsupervised Learning

Answer

Clustering

Answer

Regression

Question 44

Ein Modell für die Preisvorhersage von Immobilien wird mit historischen Daten trainiert. Das Modell erreicht eine hohe Genauigkeit auf den Trainingsdaten, aber eine schlechte Leistung auf neuen Daten. Was ist die wahrscheinlichste Ursache für dieses Problem?

Accepted Answer

Überanpassung (Overfitting)

Answer

Fehlende Daten

Answer

Unteranpassung (Underfitting)

Question 45

Welche der folgenden Maßnahmen kann **nicht** zur Vermeidung von Überanpassung im überwachten Lernen beitragen?

Accepted Answer

Verwenden von mehr Trainingsdaten.

Answer

Kreuzvalidierung verwenden.

Answer

Die Komplexität des Modells reduzieren.

Answer

Regularisierungstechniken anwenden.

Question 46

Ein Modell zur Klassifizierung von E-Mails als Spam oder nicht-Spam wird mit einer Genauigkeit von 95% bewertet. Was bedeutet dies?

Accepted Answer

Das Modell klassifiziert 95% der E-Mails korrekt.

Answer

Das Modell klassifiziert 95% der nicht-Spam-E-Mails korrekt.

Answer

Das Modell ist zu 95% sicher, dass eine E-Mail als Spam oder nicht-Spam klassifiziert wird.

Answer

Das Modell klassifiziert 95% der Spam-E-Mails korrekt.

Question 47

Ein Datensatz enthält Informationen über die Größe und das Gewicht von Tieren. Das Ziel ist es, ein Modell zu trainieren, um das Gewicht eines Tieres anhand seiner Größe vorherzusagen. Welche Art von überwachtem Lernen ist dies?

Accepted Answer

Regression

Answer

Clustering

Answer

Klassifikation

Answer

Unsupervised Learning

Question 48

Welches der folgenden Szenarien ist ein typisches Beispiel für überwachtes Lernen?

Accepted Answer

Ein Modell, das anhand von Bildern von Katzen und Hunden trainiert wird, um neue Bilder als Katzen oder Hunde zu klassifizieren.

Answer

Ein Modell, das lernt, die nächste Zahl in einer Sequenz zu generieren.

Question 49

Was ist der Unterschied zwischen Klassifikation und Regression im Kontext des überwachten Lernens?

Accepted Answer

Klassifikation ordnet Datenpunkten Kategorien zu, während Regression numerische Werte vorhersagt.

Answer

Klassifikation ist ein komplexeres Verfahren als Regression.

Answer

Klassifikation verwendet numerische Daten, während Regression kategoriale Daten verwendet.

Question 50

Welches der folgenden Metriken ist NICHT für die Bewertung von Klassifikationsmodellen geeignet?

Accepted Answer

Mittlere absolute Abweichung (Mean Absolute Deviation)

Answer

Präzision (Precision)

Answer

Genauigkeit (Accuracy)

Question 51

Welches der folgenden Verfahren ist KEIN Algorithmus für überwachtes Lernen?

Accepted Answer

K-Means-Clustering

Answer

Support Vector Machine (SVM)

Answer

Logistische Regression

Question 52

Was bedeutet „Overfitting“ im Kontext des überwachten Lernens?

Accepted Answer

Ein Modell, das zu stark an die Trainingsdaten angepasst ist und schlecht auf neue Daten generalisiert.

Answer

Ein Modell, das zu wenig an die Trainingsdaten angepasst ist und schlecht auf neue Daten generalisiert.

Question 53

Welche der folgenden Techniken kann verwendet werden, um Overfitting zu verhindern?

Accepted Answer

Regularisierung

Answer

Einen komplexeren Algorithmus verwenden.

Answer

Mehr Trainingsdaten verwenden.

Answer

Die Trainingsdaten aufteilen und das Modell nur auf einem Teil trainieren.

Question 54

Welches der folgenden Szenarien ist ein typisches Beispiel für Regression im überwachten Lernen?

Accepted Answer

Ein Modell, das anhand von Daten über die Größe und das Alter von Häusern den Preis eines neuen Hauses vorhersagt.

Answer

Ein Modell, das anhand von Bildern von Tieren die Tierart klassifiziert.

Question 55

Welche Metrik wird verwendet, um die Leistung eines Regressionsmodells zu bewerten?

Accepted Answer

Mittlerer quadratischer Fehler (Mean Squared Error)

Answer

Präzision (Precision)

Answer

Genauigkeit (Accuracy)

Question 56

Welche der folgenden Aussagen beschreibt die Bedeutung von Cross-Validation im Kontext des überwachten Lernens?

Accepted Answer

Cross-Validation hilft, die Generalisierung des Modells auf neue Daten zu beurteilen.

Answer

Cross-Validation wird verwendet, um die beste Anzahl von Features zu finden.

Answer

Cross-Validation wird verwendet, um den besten Algorithmus auszuwählen.

Question 57

Welche der folgenden Aussagen über die Verwendung von Trainings- und Testdaten im überwachten Lernen ist korrekt?

Accepted Answer

Das Modell wird auf den Trainingsdaten trainiert und auf den Testdaten bewertet, um seine Generalisierungsfähigkeit zu beurteilen.

Answer

Das Modell wird auf den Testdaten trainiert und auf den Trainingsdaten bewertet.