Assoziationsregeln: Interaktive Quizfragen für Maschinelles Lernen

Question 1

Welche Aussage trifft am besten auf Assoziationsregeln zu?

Accepted Answer

Sie zeigen Zusammenhänge zwischen Merkmalen in Daten.

Answer

Sie sagen zukünftige Ereignisse voraus.

Answer

Sie sind immer genau und eindeutig.

Question 2

Welche Aussage zu Assoziationsregeln trifft zu?

Accepted Answer

Assoziationsregeln identifizieren Zusammenhänge zwischen Elementen in Transaktionsdatenbanken.

Answer

Assoziationsregeln werden in der Regel mit überwachten Lernalgorithmen ermittelt.

Answer

Assoziationsregeln sind immer mit einer Konfidenz von 100 % verbunden.

Answer

Assoziationsregeln sind für die Marktkorbanalyse ungeeignet.

Question 3

Welcher Algorithmus wird häufig zur Generierung von Assoziationsregeln eingesetzt?

Accepted Answer

Apriori

Answer

k-Means

Answer

Support Vector Machines

Answer

Naive Bayes

Question 4

Welche Aussage zur Marktkorbanalyse mit Assoziationsregeln ist falsch?

Accepted Answer

Marktkorbanalyse ist ausschließlich für große Datenmengen geeignet.

Answer

Marktkorbanalyse kann Verhaltensmuster von Kunden aufdecken.

Answer

Assoziationsregeln können Produkte identifizieren, die oft zusammen gekauft werden.

Answer

Assoziationsregeln können verwendet werden, um die Kaufwahrscheinlichkeit von Kunden vorherzusagen.

Question 5

Welches Szenario führt zu einer starken Assoziationsregel?

Accepted Answer

Brot und Milch werden in 90 % der Transaktionen zusammen gekauft.

Answer

Brot und Milch werden in 10 % der Transaktionen zusammen gekauft.

Answer

Brot und Milch werden in 50 % der Transaktionen zusammen gekauft.

Answer

Brot und Milch werden in keiner Transaktion zusammen gekauft.

Question 6

Welcher der folgenden Punkte ist KEIN Vorteil der Verwendung von Assoziationsregeln?

Accepted Answer

Vorhersage präziser zukünftiger Ereignisse

Answer

Aufdecken versteckter Muster in Daten

Answer

Verbesserung der Kundenzufriedenheit

Answer

Steigerung des Umsatzes durch Cross-Selling

Question 7

Welche Metrik wird zur Messung der Stärke einer Assoziationsregel herangezogen?

Accepted Answer

Konfidenz

Answer

Unterstützung

Answer

Hebelwirkung

Answer

Überzeugung

Question 8

Welche der folgenden Anwendungen ist NICHT für Assoziationsregeln geeignet?

Accepted Answer

Bildsegmentierung

Answer

Marktkorbanalyse

Answer

Personalisierte Empfehlungen

Answer

Betrugserkennung

Question 9

Welches ist das Ziel der Marktkorbanalyse mit Assoziationsregeln?

Accepted Answer

Identifizierung häufig gemeinsam gekaufter Artikel

Answer

Vorhersage des Kaufverhaltens

Answer

Personalisierung des Kundenerlebnisses

Answer

Optimierung von Werbekampagnen

Question 10

Welche der folgenden Bedingungen muss eine Assoziationsregel erfüllen, um als gültig zu gelten?

Accepted Answer

Alle der genannten Bedingungen

Answer

Ihre Unterstützung muss einen definierten Schwellenwert überschreiten

Answer

Ihre Konfidenz muss einen definierten Schwellenwert überschreiten

Answer

Sie darf keine anderen Regeln mit höherer Unterstützung oder Konfidenz enthalten

Question 11

Welches der folgenden Attribute ist NICHT für die Verwendung in einer Assoziationsregel geeignet?

Accepted Answer

Kontinuierlich

Answer

Binär

Answer

Nominal

Answer

Ordinal

Question 12

Welche der folgenden Techniken kann zur Verbesserung der Leistungsfähigkeit von Assoziationsregeln eingesetzt werden?

Accepted Answer

Alle der genannten Techniken

Answer

Merkmalsselektion

Answer

Merkmalsreduktion

Answer

Diskretisierung

Question 13

Welcher der folgenden Ansätze ist eine Instanz des unüberwachten Lernens?

Accepted Answer

Clustering

Answer

Regression

Answer

Entscheidungsbäume

Answer

Support Vector Machines

Question 14

Welche Metrik gibt an, wie viel häufiger zwei Elemente im Datensatz gemeinsam vorkommen, als zufällig zu erwarten wäre?

Accepted Answer

Lift

Answer

Unterstützung

Answer

Konfidenz

Question 15

Welches Maß gibt die Häufigkeit an, mit der eine Regel in den Daten erfüllt ist?

Accepted Answer

Unterstützung

Answer

Konfidenz

Answer

Lift

Answer

Korrelationskoeffizient

Question 16

Welche der folgenden Aussagen trifft auf unüberwachtes Lernen zu?

Accepted Answer

Es zielt darauf ab, versteckte Muster und Strukturen in Daten zu identifizieren.

Answer

Es verwendet beschriftete Daten, um ein Modell zu trainieren.

Answer

Es setzt ausschließlich überwachte Lernalgorithmen ein.

Answer

Es kann nur für Klassifizierungsprobleme eingesetzt werden.

Question 17

Welche Art von Algorithmus wird typischerweise verwendet, um Assoziationsregeln zu generieren?

Accepted Answer

Apriori-Algorithmus

Answer

K-Means-Clustering-Algorithmus

Answer

Support-Vector-Machine-Algorithmus (SVM)

Answer

Entscheidungsbaumalgorithmus

Question 18

Welche der folgenden Branchen ist ein häufiger Nutzer von Assoziationsregeln?

Accepted Answer

Einzelhandel

Answer

Bankwesen

Answer

Gesundheitswesen

Answer

Telekommunikation

Question 19

Welche der folgenden Aussagen über Assoziationsregeln ist **nicht** korrekt?

Accepted Answer

Sie können nur für binäre Daten verwendet werden.

Answer

Sie sind ein unüberwachtes Lernverfahren.

Answer

Sie repräsentieren Beziehungen zwischen Elementen in einer Datenbank.

Answer

Sie können zur Identifizierung von Mustern und Trends verwendet werden.

Question 20

Welche der folgenden Techniken kann verwendet werden, um die Anzahl der generierten Assoziationsregeln zu verringern?

Accepted Answer

Regelpruning

Answer

Regelwachstum

Answer

Regelkonsolidierung

Question 21

Assoziationsregeln sind Regeln, die ...

Accepted Answer

Abhängigkeiten zwischen Elementen in einem Datensatz aufzeigen

Answer

Klassifizierungen von Daten ermöglichen

Answer

Vorhersagen über zukünftige Ereignisse treffen

Question 22

Welche Metrik misst die Häufigkeit, mit der Elemente in einem Datensatz gemeinsam auftreten?

Accepted Answer

Unterstützung

Answer

F-Maß

Answer

Genauigkeit

Answer

Recall

Question 23

Welcher Algorithmus wird am häufigsten verwendet, um Assoziationsregeln zu extrahieren?

Accepted Answer

Apriori

Answer

K-Means

Answer

Dijkstra

Answer

Naiv-Bayes

Question 24

Welche Eigenschaft trifft NICHT auf Assoziationsregeln zu?

Accepted Answer

Sie sind deterministisch

Answer

Sie zeigen Korrelationen auf

Answer

Sie sind nützlich für die Marktkorbanalyse

Answer

Sie können verwendet werden, um Vorhersagen zu treffen

Question 25

Welche Technik kann die Effizienz der Extraktion von Assoziationsregeln verbessern?

Accepted Answer

Datenpartitionierung

Answer

Erhöhen der Anzahl der Datenpunkte im Datensatz

Answer

Verwenden eines weniger restriktiven Schwellenwerts für die Unterstützung

Answer

Generieren aller möglichen Kandidatenregeln

Question 26

Angenommen, eine Assoziationsregel hat eine Unterstützung von 0,6 und ein Vertrauen von 0,8. Was bedeutet das Vertrauen?

Accepted Answer

Von den Transaktionen, die die linke Seite der Regel enthalten, enthalten 80 % auch die rechte Seite

Answer

Die Regel wird in 80 % der Fälle zutreffen

Answer

Von allen Transaktionen im Datensatz enthalten 80 % sowohl die linke als auch die rechte Seite

Question 27

Welches Problem kann bei der Extraktion von Assoziationsregeln auftreten?

Accepted Answer

Überanpassung

Answer

Unteroptimierung

Answer

Unteranpassung

Answer

Überoptimierung

Question 28

Was ist das primäre Ziel der Analyse von Assoziationsregeln?

Accepted Answer

Identifizierung häufiger Muster und Korrelationen in Datensätzen

Answer

Gruppierung ähnlicher Datenelemente (Clustering)

Answer

Vorhersage zukünftiger Ereignisse

Question 29

Welcher Algorithmus wird üblicherweise zur Generierung von Assoziationsregeln eingesetzt?

Accepted Answer

Apriori

Answer

Support Vector Machine

Answer

k-Means

Answer

Naive Bayes

Question 30

Was versteht man unter der Unterstützung einer Assoziationsregel?

Accepted Answer

Der Anteil der Transaktionen, die sowohl das Antezedens als auch das Konsequent der Regel enthalten

Answer

Die Wahrscheinlichkeit des gemeinsamen Auftretens von Antezedens und Konsequent

Answer

Die Anzahl der Transaktionen, die sowohl das Antezedens als auch das Konsequent der Regel enthalten

Question 31

Welche der folgenden Kennzahlen ist NICHT relevant für die Bewertung einer Assoziationsregel?

Accepted Answer

Mittelwert

Answer

Zuverlässigkeit

Answer

Unterstützung

Answer

Hebeverhältnis

Question 32

Worin besteht der Unterschied zwischen einer starken und einer schwachen Assoziationsregel?

Accepted Answer

Starke Regeln weisen eine hohe Unterstützung und Zuverlässigkeit auf, während schwache Regeln niedrigere Werte für diese Metriken haben

Answer

Starke Regeln werden häufiger generiert als schwache Regeln

Question 33

Welche Technik kann verwendet werden, um die Anzahl der generierten Assoziationsregeln zu verringern?

Accepted Answer

Heuristisches Pruning

Answer

Clustering

Answer

Lineare Regression

Answer

Datenbankoptimierung

Question 34

Welche Rolle spielen Assoziationsregeln im unüberwachten Lernen?

Accepted Answer

Sie identifizieren Muster und Zusammenhänge in Daten, ohne dass sie zuvor markiert wurden

Answer

Sie reduzieren die Größe von Datensätzen

Answer

Sie klassifizieren Daten in vordefinierte Kategorien

Question 35

Welche Aussage beschreibt den Hauptzweck von Assoziationsregeln?

Accepted Answer

Aufdeckung von Beziehungen zwischen Elementen in Datensätzen

Answer

Vorhersage zukünftiger Ereignisse

Answer

Erkennung von Anomalien in Daten

Question 36

Nennen Sie eine typische Anwendung für Assoziationsregeln.

Accepted Answer

Marktkorbanalyse

Answer

medizinische Diagnose

Answer

Betrugserkennung

Answer

Spracherkennung

Question 37

Welcher Faktor beeinflusst maßgeblich die Effizienz eines Assoziationsregelalgorithmus wie Apriori?

Accepted Answer

Größe des Datensatzes

Answer

Prozessorgeschwindigkeit

Answer

Komplexität der Regeln

Answer

Speicherbeschränkungen

Question 38

Erläutern Sie den Unterschied zwischen einer starken und einer schwachen Assoziationsregel.

Accepted Answer

Starke Regeln weisen sowohl einen hohen Support als auch eine hohe Konfidenz auf

Answer

Starke Regeln haben einen hohen Support, aber eine niedrige Konfidenz

Answer

Starke Regeln haben eine hohe Konfidenz, aber einen niedrigen Support

Question 39

Welche Technik trägt dazu bei, die Anzahl der generierten Assoziationsregeln zu reduzieren?

Accepted Answer

Pruning

Answer

Filterung

Answer

Clustering

Answer

Transformation

Question 40

Wie lassen sich Assoziationsregeln in der Praxis interpretieren?

Accepted Answer

Als Implikationen, die die Wahrscheinlichkeit eines Ereignisses unter Berücksichtigung eines anderen Ereignisses angeben

Answer

Als bedingte Wahrscheinlichkeiten

Question 41

Welches der folgenden Maße ist typischerweise ein Qualitätsindikator für Assoziationsregeln?

Accepted Answer

Support

Answer

Recall

Answer

Präzision

Question 42

Was ist das primäre Ziel des Apriori-Algorithmus?

Accepted Answer

Ermittlung aller frequenten Itemsets ab einem definierten Schwellenwert

Answer

Ermittlung aller Assoziationsregeln mit maximalem Lift

Answer

Ermittlung aller Assoziationsregeln ab einem definierten Schwellenwert

Question 43

In welchem Anwendungsbereich sind Assoziationsregeln besonders verbreitet?

Accepted Answer

Marktkorbanalyse

Answer

Bildverarbeitung

Answer

Betrugserkennung

Answer

Medizinische Diagnose

Question 44

Welche Herausforderung kann beim Mining von Assoziationsregeln auftreten?

Accepted Answer

Kombinatorische Explosion

Answer

Lokale Optima

Answer

Kaltes Starten

Answer

Überanpassung

Question 45

Was beschreibt der Lift einer Assoziationsregel?

Accepted Answer

Das Verhältnis von beobachteter zu erwarteter Häufigkeit des rechten Itemsets

Answer

Die Differenz zwischen Support und Konfidenz.

Answer

Das Verhältnis von Support und Konfidenz

Answer

Die Häufigkeit des rechten Itemsets

Question 46

Welche Aussage zum FP-Growth-Algorithmus ist richtig?

Accepted Answer

Er verwendet eine baumartige Datenstruktur zur Speicherung von Itemsets.

Answer

Er ist für große Datensätze langsamer als der Apriori-Algorithmus.

Answer

Er benötigt keinen minimalen Support-Schwellenwert.

Answer

Er kann nur Assoziationsregeln mit einer maximalen Länge von zwei ermitteln.

Question 47

Welcher Vorteil zeichnet Assoziationsregeln gegenüber anderen Data-Mining-Verfahren aus?

Accepted Answer

Sie sind leicht verständlich und interpretierbar.

Answer

Sie benötigen nur eine geringe Rechenzeit.

Answer

Sie erzielen stets eine hohe Genauigkeit und Zuverlässigkeit.

Answer

Sie können besonders komplexe Zusammenhänge in Daten aufdecken.

Question 48

Welche der folgenden Aussagen beschreibt Assoziationsregeln am besten?

Accepted Answer

Regeln, die häufige Zusammenhänge zwischen Elementen in Datensätzen identifizieren.

Answer

Regeln, die eine Zielvariable anhand von Prädiktorvariablen vorhersagen.

Answer

Regeln, die Ausreißer in Datensätzen identifizieren.

Question 49

Was ist die Support-Metrik im Zusammenhang mit Assoziationsregeln?

Accepted Answer

Der Anteil der Transaktionen, die sowohl das Antezedens als auch das Konsekuens enthalten.

Answer

Der Anteil der Transaktionen, die nur das Konsekuens enthalten.

Answer

Der Anteil der Transaktionen, die nur das Antezedens enthalten.

Question 50

Welche der folgenden Strategien wird zur Steigerung der Effizienz beim Mining von Assoziationsregeln eingesetzt?

Accepted Answer

Apriori-Algorithmus

Answer

Entscheidungsbaumalgorithmus

Answer

K-Means-Algorithmus

Question 51

Welche der folgenden Aussagen über den Apriori-Algorithmus ist korrekt?

Accepted Answer

Er verwendet einen Bottom-up-Ansatz, um Kandidatenmengen zu generieren.

Answer

Er verwendet einen Top-down-Ansatz, um Kandidatenmengen zu generieren.

Answer

Er garantiert das Finden aller Assoziationsregeln über einem bestimmten Schwellenwert.

Question 52

Welche der folgenden Metriken misst die Stärke einer Assoziationsregel?

Accepted Answer

Konfidenz

Answer

Support

Answer

Hebelwirkung

Answer

Überzeugungskraft

Question 53

Was ist ein Schwellenwert im Kontext des Minings von Assoziationsregeln?

Accepted Answer

Ein Wert, der zum Filtern von Kandidatenregeln basierend auf ihrem Support oder ihrer Konfidenz verwendet wird.

Answer

Ein Wert, der zum Generieren von Kandidatenregeln verwendet wird.

Question 54

Was misst der Confidence-Wert einer Assoziationsregel?

Accepted Answer

Die Wahrscheinlichkeit, dass die Konsequenz in Transaktionen vorhanden ist, die auch die Antezedenz enthalten.

Answer

Die relative Häufigkeit der Regel in der Datenmenge.

Question 55

Welcher der folgenden Algorithmen wird typischerweise NICHT zur Generierung von Assoziationsregeln verwendet?

Accepted Answer

K-Means-Clustering

Answer

FP-Growth-Algorithmus

Answer

Apriori-Algorithmus

Answer

Eclat-Algorithmus

Question 56

Welches der folgenden Beispiele ist ein typisches Anwendungsbeispiel für Assoziationsregeln in der Marktkorbanalyse?

Accepted Answer

Identifizierung von Produkten, die häufig zusammen gekauft werden, um Cross-Selling-Möglichkeiten zu finden.

Answer

Vorhersage des zukünftigen Kundenverhaltens anhand historischer Daten.

Question 57

Was ist der Unterschied zwischen unüberwachtem und überwachtem Lernen im Kontext des Data Mining?

Accepted Answer

Unüberwachtes Lernen verwendet keine vordefinierten Klassenbezeichnungen, während überwachtes Lernen dies tut.

Answer

Unüberwachtes Lernen ist einfacher zu implementieren als überwachtes Lernen.

Question 58

Was ist der Hauptvorteil der Verwendung des Lift-Wertes anstelle des Confidence-Wertes zur Bewertung von Assoziationsregeln?

Accepted Answer

Der Lift-Wert berücksichtigt die relative Häufigkeit der Konsequenz in der gesamten Datenmenge.

Answer

Der Lift-Wert ist einfacher zu berechnen als der Confidence-Wert.

Answer

Der Lift-Wert ist weniger anfällig für zufällige Muster in den Daten.

Question 59

Welche der folgenden Aussagen über den Apriori-Algorithmus ist korrekt?

Accepted Answer

Der Apriori-Algorithmus verwendet einen iterativen Ansatz, um häufige Itemsets zu finden.

Answer

Der Apriori-Algorithmus kann nur auf sehr kleinen Datensätzen verwendet werden.

Answer

Der Apriori-Algorithmus erfordert keine Festlegung eines minimalen Support-Schwellenwerts.

Question 60

Was ist ein "Cold Start"-Problem im Kontext von Empfehlungssystemen?

Accepted Answer

Es ist schwierig, Empfehlungen für neue Benutzer oder Produkte abzugeben, über die nur wenige Informationen verfügbar sind.

Answer

Die Leistung des Empfehlungssystems verschlechtert sich im Laufe der Zeit aufgrund von Änderungen im Benutzerverhalten.

Question 61

Welche der folgenden Metriken wird häufig verwendet, um die Gesamtqualität eines Empfehlungssystems zu bewerten?

Accepted Answer

Mean Average Precision (MAP)

Answer

Accuracy

Answer

Root Mean Squared Error (RMSE)

Answer

Silhouette Score

Question 62

Welche Metrik wird NICHT zur Bewertung der Qualität von Assoziationsregeln verwendet?

Accepted Answer

Genauigkeit (Accurancy)

Answer

Confidence

Answer

Lift

Answer

Support

Question 63

Eine Assoziationsregel mit einem hohen Support-Wert impliziert, dass:

Accepted Answer

Die Regel häufig im Datensatz vorkommt.

Answer

Die Regel eine starke Beziehung zwischen den Items darstellt.

Answer

Die Regel eine niedrige Confidence aufweist.

Answer

Die Regel einen hohen Lift-Wert besitzt.

Question 64

Welche der folgenden Algorithmen ist für die Ermittlung von häufig zusammen gekauften Produkten in einem Supermarkt am besten geeignet?

Accepted Answer

Apriori-Algorithmus

Answer

Naïve Bayes-Klassifikator

Answer

Entscheidungsbaum-Algorithmus

Answer

K-Means-Algorithmus