Überwachtes Lernen: Regression, Klassifikation und Entscheidungsbäume

Question 1

Welcher Algorithmus wird speziell für die Vorhersage numerischer Werte eingesetzt?

Accepted Answer

Lineare Regression

Answer

Support Vector Machines

Answer

Entscheidungsbäume

Answer

K-nächste Nachbarn

Question 2

Welches Ziel verfolgt ein Klassifizierungsalgorithmus?

Accepted Answer

Einteilung von Datenpunkten in verschiedene Kategorien

Answer

Vorhersage numerischer Werte

Answer

Erstellung von Entscheidungsbäumen

Answer

Bilderkennung

Question 3

Welche Metrik eignet sich besonders gut zur Bewertung der Leistung von Klassifikationsalgorithmen?

Accepted Answer

F1-Score

Answer

Mittlerer absoluter Fehler

Answer

Mittlerer quadratischer Fehler

Answer

Genauigkeit

Question 4

Welcher Vorteil ist mit der Verwendung von überwachtem Lernen verbunden?

Accepted Answer

Erstellung hochpräziser Modelle

Answer

Keine Notwendigkeit markierter Daten

Answer

Verarbeitung auch unstrukturierter Daten

Answer

Optimale Funktion in Echtzeitsystemen

Question 5

Wie unterscheiden sich Trainingsmenge und Testmenge?

Accepted Answer

Die Trainingsmenge dient zum Trainieren des Modells, während die Testmenge seine Leistung bewertet.

Answer

Die Trainingsmenge ist immer größer als die Testmenge.

Answer

Die Testmenge dient zum Trainieren des Modells, während die Trainingsmenge seine Leistung bewertet.

Answer

Beide Mengen werden zum Trainieren des Modells verwendet.

Question 6

Welche Art von Daten ist für überwachtes Lernen unerlässlich?

Accepted Answer

Markierte Daten

Answer

Unmarkierte Daten

Answer

Rohdaten

Answer

Strukturierte Daten

Question 7

Welche Aussage über überwachtes Lernen ist nicht korrekt?

Accepted Answer

Es kann nur für numerische Daten verwendet werden.

Answer

Es kann komplexe Beziehungen zwischen Merkmalen und Zielvariablen modellieren.

Answer

Es kann sowohl für Regression als auch für Klassifikation eingesetzt werden.

Answer

Es benötigt eine große Datenmenge für gute Ergebnisse.

Question 8

Was ist das übergeordnete Ziel des überwachten Lernens?

Accepted Answer

Ein Modell zu trainieren, das auf der Grundlage von markierten Daten Vorhersagen treffen kann

Answer

Ein Modell zu trainieren, das unmarkierte Daten klassifizieren kann

Answer

Ein Modell zu trainieren, das neue Daten generieren kann

Answer

Ein Modell zu trainieren, das Entscheidungen ohne menschliche Aufsicht treffen kann

Question 9

Welche Art von Aufgabe kann mit Regressionsmodellen gelöst werden?

Accepted Answer

Vorhersage kontinuierlicher Werte wie Preise oder Temperaturen

Answer

Klassifizierung von Objekten in verschiedene Kategorien

Answer

Erkennung von Mustern in Daten

Answer

Clustering von Datenpunkten in Gruppen

Question 10

Welche Aussage zu Entscheidungsbäumen ist zutreffend?

Accepted Answer

Sie sind nicht-parametrische Modelle und können komplexe Beziehungen in Daten erfassen.

Answer

Sie können nur binäre Klassifizierungsprobleme lösen, bei denen die Zielvariable nur zwei mögliche Werte annehmen kann.

Answer

Sie sind immer die beste Wahl für überwachte Lernprobleme und übertreffen andere Modelle in allen Fällen.

Answer

Sie können keine kontinuierlichen Werte vorhersagen und sind daher auf Aufgaben beschränkt, bei denen die Zielvariable kategorisch ist.

Question 11

Welche Datenstruktur eignet sich am besten zum Speichern von Attributen und Zielvariablen in überwachten Lernproblemen?

Accepted Answer

Tabelle, eine Sammlung von Zeilen und Spalten, die Daten in einer strukturierten Weise organisieren

Answer

Array, eine geordnete Sammlung von Elementen mit numerischen Indizes

Answer

Baum, eine hierarchische Datenstruktur, die Beziehungen zwischen Elementen darstellt

Answer

Graph, eine Sammlung von Knoten und Kanten, die Beziehungen zwischen Objekten darstellen

Question 12

Was ist ein Hyperparameter in einem überwachten Lernmodell?

Accepted Answer

Ein Parameter, der vor dem Training des Modells festgelegt wird und die Lernrate oder die Regularisierung steuern kann

Answer

Ein Parameter, der während des Trainings des Modells angepasst wird, wie z. B. die Gewichte in einem neuronalen Netzwerk

Answer

Ein Parameter, der die Leistung des Modells nicht beeinflusst

Answer

Ein Parameter, der für alle überwachten Lernmodelle gleich ist

Question 13

Welche der folgenden Auswirkungen auf die Privatsphäre kann durch den Einsatz von überwachten Lernalgorithmen entstehen?

Accepted Answer

Überwachte Lernalgorithmen können persönliche Daten sammeln und verarbeiten.

Answer

Überwachte Lernalgorithmen können nur anonymisierte Daten verarbeiten.

Answer

Überwachte Lernalgorithmen haben keine Auswirkungen auf die Privatsphäre.

Question 14

Welche Aufgabe erfüllt die Regression im überwachten Lernen?

Accepted Answer

Kontinuierliche Werte vorhersagen

Answer

Kategoriale Variablen vorhersagen

Answer

Unmarkierte Daten trainieren

Answer

Markierte Daten ohne Zielvariable trainieren

Question 15

Welcher Algorithmus wird in der Regel für Entscheidungsbäume im überwachten Lernen eingesetzt?

Accepted Answer

ID3

Answer

k-Nächste-Nachbarn

Answer

Unterstützungsvektormaschinen

Answer

Naive Bayes

Question 16

Welche Metrik dient häufig zur Evaluierung von Regressionsmodellen?

Accepted Answer

Mittlerer absoluter Fehler

Answer

Gini-Koeffizient

Answer

F1-Score

Answer

Genauigkeit

Question 17

Was ist das zentrale Problem der Überanpassung im überwachten Lernen?

Accepted Answer

Das Modell lernt die Trainingsdaten zu genau und verallgemeinert schlecht auf neue Daten.

Answer

Das Modell lernt die Trainingsdaten zu ungenau und kann keine Muster erkennen.

Answer

Das Modell lernt die Trainingsdaten perfekt und verallgemeinert sich auch auf neue Daten perfekt.

Answer

Das Modell ist nicht in der Lage, die Zielvariable vorherzusagen.

Question 18

Welche Funktion hat die Zielvariable in einem überwachten Lernproblem?

Accepted Answer

Sie ist der Wert, den das Modell vorhersagen soll.

Answer

Sie trainiert das Modell während des Trainings.

Answer

Sie definiert, welche Features für das Modell genutzt werden.

Answer

Sie spielt keine Rolle im überwachten Lernen.

Question 19

Welcher der folgenden Algorithmen ist kein Verfahren des überwachten Lernens?

Accepted Answer

k-Means-Clustering

Answer

Unterstützungsvektormaschinen

Answer

Logistische Regression

Answer

Naive Bayes

Question 20

Was ist der Unterschied zwischen Trainings- und Testdaten im überwachten Lernen?

Accepted Answer

Trainingsdaten trainieren das Modell, Testdaten evaluieren seine Leistung.

Answer

Testdaten trainieren das Modell, Trainingsdaten evaluieren seine Leistung.

Answer

Trainings- und Testdaten trainieren das Modell.

Answer

Trainings- und Testdaten sind identisch.

Question 21

Überwachtes Lernen ist definiert als:

Accepted Answer

Lernen aus beschrifteten Daten

Answer

Lernen aus unbeschrifteten Daten

Answer

Lernen ohne Rückmeldung

Answer

Lernen durch kontinuierliche Interaktion mit der Umgebung

Question 22

Welche Aufgabe stellt ein Beispiel für Regressionslernen dar?

Accepted Answer

Vorhersage des Aktienkurses

Answer

Erkennung von Spam-E-Mails

Answer

Klassifizierung von Bildern

Answer

Spracherkennung

Question 23

Welche Metrik wird zur Messung der Leistung von binären Klassifikationsmodellen verwendet?

Accepted Answer

F1-Score

Answer

Mittlerer absoluter Fehler

Answer

R-Quadrat

Answer

Korrelationskoeffizient

Question 24

Welche Methode wird verwendet, um eine optimale Aufteilung von Trainings- und Testdaten zu bestimmen?

Accepted Answer

K-fach-Kreuzvalidierung

Answer

Stratifizierte Aufteilung

Answer

Grid-Suche

Answer

Random Forest

Question 25

Welche der folgenden Aussagen definiert überwachtes Lernen präzise?

Accepted Answer

Ein Modell wird anhand markierter Daten trainiert, um Vorhersagen zu treffen.

Answer

Ein Modell lernt automatisiert aus Daten, ohne menschliche Anleitung.

Answer

Ein Modell erstellt neue Daten anhand bestehender Daten ohne menschliche Eingaben.

Answer

Ein Modell kann unabhängig Entscheidungen ohne menschliche Überwachung treffen.

Question 26

Welche Aufgabe ist ein typisches Beispiel für Regressionslernen?

Accepted Answer

Vorhersage des Alters einer Person anhand ihrer Gesichtszüge

Answer

Klassifizierung von E-Mails als Spam oder Nicht-Spam

Answer

Ermittlung des besten Schachzugs in einer bestimmten Spielsituation

Answer

Generierung neuer Songtexte auf Basis eines vorhandenen Liedes

Question 27

Welche primäre Funktion haben Entscheidungsbäume?

Accepted Answer

Darstellung von Regeln, die zu Entscheidungen führen

Answer

Generierung neuer Daten aus bestehenden Daten

Answer

Bereitstellung einer kontinuierlichen Ausgabe basierend auf einer Eingabe

Answer

Optimierung des Verlustes einer gegebenen Funktion

Question 28

Welche Metrik wird zur Bewertung der Genauigkeit eines Klassifikationsmodells verwendet?

Accepted Answer

F1-Maß

Answer

Mittlerer quadratischer Fehler

Answer

Kreuzvalidierungsfehler

Answer

Verlustfunktion

Question 29

Welche Aufgabe erfüllt die Feature-Skalierung?

Accepted Answer

Transformiert alle Features in einen ähnlichen Wertebereich

Answer

Identifiziert die wichtigsten Features für ein Modell

Answer

Reduziert die Dimensionalität des Datensatzes

Answer

Entfernt Ausreißer aus dem Datensatz

Question 30

Welche der folgenden Aussagen beschreibt kein Merkmal des überwachten Lernens?

Accepted Answer

Automatische Feature-Extraktion

Answer

Verwendung markierter Daten

Answer

Erstellung predictiver Modelle

Answer

Verbesserung durch Rückmeldungen

Question 31

Welches Ziel verfolgt die Regressionsanalyse?

Accepted Answer

Vorhersage kontinuierlicher Werte

Answer

Klassifizierung in verschiedene Kategorien

Answer

Generierung von Entscheidungsregeln

Answer

Erkennung von Mustern in Daten

Question 32

Welche Kennzahl wird typischerweise verwendet, um die Genauigkeit von Klassifizierungsmodellen zu messen?

Accepted Answer

Genauigkeit

Answer

Mittlerer absoluter Fehler

Answer

Mittlerer quadratischer Fehler

Answer

Recall

Question 33

Welche Technik kann eingesetzt werden, um Überanpassung zu verhindern?

Accepted Answer

Regularisierung

Answer

Kreuzvalidierung

Answer

Feature-Skalierung

Answer

Drosselung

Question 34

Was ist die primäre Funktion eines Entscheidungsbaums?

Accepted Answer

Treffen von Entscheidungen durch hierarchische Aufteilung

Answer

Lineare Vorhersage kontinuierlicher Werte

Answer

Reduzierung der Datendimensionalität

Answer

Visualisierung komplexer Beziehungen

Question 35

Was unterscheidet harte von weichen Markierungen beim überwachten Lernen?

Accepted Answer

Harte Markierungen repräsentieren eindeutige Klassen, während weiche Markierungen Wahrscheinlichkeiten repräsentieren

Answer

Harte Markierungen sind kategorial, während weiche Markierungen numerisch sind

Answer

Weiche Markierungen sind kategorial, während harte Markierungen numerisch sind

Answer

Es gibt keinen Unterschied zwischen harten und weichen Markierungen

Question 36

Welche Faktoren sollten bei der Auswahl eines Algorithmus für maschinelles Lernen berücksichtigt werden?

Accepted Answer

Alle oben genannten Faktoren

Answer

Größe des Datensatzes

Answer

Zielsetzung des Projekts

Answer

Verfügbare Rechenressourcen

Question 37

Welche der folgenden Methoden ist eine Form des unüberwachten Lernens?

Accepted Answer

K-Means-Clustering

Answer

Lineare Regression

Answer

Entscheidungsbaum

Answer

Support Vector Machine

Question 38

Welche Aussage beschreibt am besten die entscheidende Rolle der Kostenfunktion bei der Entwicklung überwachter Machine-Learning-Modelle?

Accepted Answer

Sie misst den Fehler des Modells und hilft, seine Vorhersagen zu verbessern.

Answer

Sie legt die Anzahl der verwendeten Merkmale fest.

Answer

Sie steuert die Aktualisierungsrate der Modellparameter während des Trainings.

Answer

Sie ist immer eine lineare Funktion.

Question 39

Überwachtes Lernen beschreibt einen Prozess, bei dem:

Accepted Answer

Ein Modell anhand markierter Daten trainiert wird.

Answer

Ein Modell ohne menschliche Aufsicht lernt.

Answer

Ein Algorithmus Regeln aus unmarkierten Daten ableitet.

Answer

Ein System lediglich aus Beobachtungen schließt.

Question 40

Welcher Algorithmus wird häufig für die Regressionsanalyse eingesetzt?

Accepted Answer

Lineare Regression

Answer

K-Means-Clustering

Answer

Support-Vektor-Maschinen

Answer

Entscheidungsbäume

Question 41

Welche Metrik dient zur Bewertung der Genauigkeit eines Klassifizierungsmodells?

Accepted Answer

Genauigkeit

Answer

Mittlerer absoluter Fehler

Answer

Mittlerer quadratischer Fehler

Answer

Korrelationskoeffizient

Question 42

Welche Ursache kann zu Überanpassung in einem überwachten Lernmodell führen?

Accepted Answer

Ein zu komplexes Modell

Answer

Zu wenige Trainingsdaten

Answer

Ein zu einfaches Modell

Answer

Unzureichende Markierung der Trainingsdaten

Question 43

Welche Datenart ist für Entscheidungsbäume am geeignetsten?

Accepted Answer

Kategorische Daten

Answer

Numerische Daten

Answer

Textdaten

Answer

Bilder

Question 44

Was versteht man unter der Tiefe eines Entscheidungsbaums?

Accepted Answer

Die Anzahl der Ebenen im Baum

Answer

Die Anzahl der Knoten im Baum

Answer

Die Anzahl der Blätter im Baum

Answer

Die Anzahl der Zweige im Baum

Question 45

Nennen Sie einen Vorteil des überwachten Lernens.

Accepted Answer

Ermöglicht dem Modell, genaue Vorhersagen basierend auf neuen Daten zu treffen.

Answer

Keine Notwendigkeit für gekennzeichnete Daten

Answer

Überlegenheit gegenüber unüberwachtem Lernen in allen Fällen

Question 46

Welche Aufgabe gehört NICHT zum überwachten Lernen?

Accepted Answer

Clustering

Answer

Klassifikation

Answer

Regression

Answer

Entscheidungsbäume

Question 47

Welche Metrik wird zur Bewertung der Leistung eines Regressionsmodells verwendet?

Accepted Answer

Mean Squared Error (Mittlerer quadratischer Fehler)

Answer

Rückruf

Answer

F-Maß

Answer

Genauigkeit

Question 48

Welcher Algorithmus wird zum Erstellen von Entscheidungsbäumen verwendet?

Accepted Answer

ID3

Answer

K-NN

Answer

SVM

Question 49

Welche Aussage zu Stützvektorenmaschinen (SVMs) ist korrekt?

Accepted Answer

Sie können nichtlineare Probleme durch Abbildung des Datenraums lösen.

Answer

Nur für Klassifikationsaufgaben anwendbar

Answer

Immer überlegen gegenüber Entscheidungsbäumen

Question 50

Welche Aussage zu überwachtem Ensemble-Lernen ist korrekt?

Accepted Answer

Es kombiniert mehrere schwache Lernmodelle zu einem starken Lernmodell.

Answer

Nur für Klassifikationsaufgaben anwendbar

Answer

Immer besser als ein einzelnes Lernmodell

Question 51

Welche Aussage zu Deep Learning ist korrekt?

Accepted Answer

Es ist eine Teilmenge des überwachten Lernens, die künstliche neuronale Netze verwendet.

Answer

Erfordert immer große Mengen an Trainingsdaten

Answer

Nur für Bilderkennungsaufgaben anwendbar

Question 52

Welche der folgenden Aussagen definiert am besten überwachtes Lernen?

Accepted Answer

Ein Modell wird anhand markierter Daten trainiert, um Vorhersagen für neue Daten zu treffen.

Answer

Das Modell kann nur für einfache Aufgaben verwendet werden.

Answer

Das Modell ist für jede Aufgabe geeignet, ohne Training erforderlich.

Answer

Ein Modell lernt ohne menschliche Aufsicht.

Question 53

Welche der folgenden Aufgaben ist ein Beispiel für eine Regressionsaufgabe?

Accepted Answer

Vorhersage des zukünftigen Aktienkurses anhand historischer Daten.

Answer

Diagnose von Krankheiten anhand von Symptomen.

Answer

Segmentierung von Kunden anhand demografischer Daten.

Answer

Erkennung von Spam-E-Mails anhand von Textmerkmalen.

Question 54

Welches der folgenden Kriterien wird verwendet, um die Leistung eines Klassifikationsmodells zu messen?

Accepted Answer

Genauigkeit (Anteil korrekt klassifizierter Instanzen)

Answer

Mittlerer quadratischer Fehler (Durchschnittliches Quadrat des Abstands zwischen vorhergesagten und tatsächlichen Werten)

Answer

Korrelationskoeffizient (Maß für die lineare Beziehung zwischen vorhergesagten und tatsächlichen Werten)

Answer

Mittlerer absoluter Fehler (Durchschnittlicher Abstand zwischen vorhergesagten und tatsächlichen Werten)

Question 55

Welches der folgenden Diagramme wird verwendet, um die Entscheidungsregeln eines Entscheidungsbaums darzustellen?

Accepted Answer

Baumdiagramm

Answer

Liniendiagramm

Answer

Streudiagramm

Answer

Balkendiagramm

Question 56

Welche der folgenden Metriken misst den Abstand zwischen den vorhergesagten und den tatsächlichen Werten in einem Regressionsmodell?

Accepted Answer

Mittlerer absoluter Fehler (Durchschnittlicher Abstand zwischen vorhergesagten und tatsächlichen Werten)

Answer

F1-Score (gewichteter Durchschnitt von Genauigkeit und Rückruf)

Answer

Genauigkeit (Anteil korrekt klassifizierter Instanzen)

Answer

Korrelationskoeffizient (Maß für die lineare Beziehung zwischen vorhergesagten und tatsächlichen Werten)

Question 57

Welches der folgenden Ensemble-Methoden kombiniert mehrere Entscheidungsbäume, um die Vorhersagegenauigkeit zu verbessern?

Accepted Answer

Random Forest

Answer

Neuronales Netzwerk

Answer

Logistische Regression

Answer

Support Vector Machine

Question 58

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

Accepted Answer

Imputation (Schätzung fehlender Werte anhand bekannter Werte)

Answer

Standardisierung (Zentrierung und Skalierung von Merkmalen)

Answer

Normalisierung (Skalierung von Merkmalen auf einen einheitlichen Bereich)

Answer

Regularisierung (Bestrafung komplexer Modelle)

Question 59

Welches der folgenden Prinzipien besagt, dass ein überwachtes Lernmodell gut auf neue, ungesehene Daten verallgemeinern sollte?

Accepted Answer

Generalisierungsfähigkeit

Answer

Regularisierung

Answer

Robustheit

Answer

Überanpassung

Question 60

Welcher der folgenden Algorithmen ist ein Beispiel für ein überwachtes Lernverfahren?

Accepted Answer

Lineare Regression

Answer

DBSCAN

Answer

K-Means-Clustering

Answer

Apriori

Question 61

Welche Art des überwachten Lernens wird verwendet, um kontinuierliche Werte vorherzusagen?

Accepted Answer

Regression

Answer

Clustering

Answer

Klassifikation

Answer

Assoziationsregelanalyse

Question 62

Welcher Entscheidungsbaumalgorithmus ist für seine Fähigkeit bekannt, nichtlineare Beziehungen zu erfassen?

Accepted Answer

Random Forest

Answer

CART

Answer

C4.5

Answer

ID3

Question 63

Welche Metrik wird häufig zur Bewertung der Leistung von Klassifizierungsmodellen verwendet?

Accepted Answer

Genauigkeit

Answer

Mittlerer quadratischer Fehler

Answer

R-Quadrat

Answer

Silhouette-Koeffizient

Question 64

Überwachtes Lernen ist gekennzeichnet durch:

Accepted Answer

Ein Modell wird anhand markierter Daten trainiert.

Answer

Das Modell basiert nur auf unmarkierten Daten.

Answer

Das Modell lernt ohne menschliche Aufsicht.