Datenaufbereitung für Maschinelles Lernen: Quizfragen und Lerninhalte

Question 1

Welche Technik zur Behandlung fehlender Werte zielt darauf ab, fehlende Werte durch plausible Werte zu ersetzen?

Accepted Answer

Imputation

Answer

Löschung

Answer

Inferenz

Answer

Transformation

Question 2

Welche Transformationsmethode wird verwendet, um kategoriale Variablen in numerische Vektoren zu konvertieren?

Accepted Answer

One-Hot-Encoding

Answer

Binarisierung

Answer

Skalierung

Answer

Kategorisierung

Question 3

Welche Metrik misst die Relevanz eines Features für die Vorhersage der Zielvariablen?

Accepted Answer

Informationsgewinn

Answer

Korrelationskoeffizient

Answer

Varianzaufklärung

Answer

Gewicht des Regularisierungsterms

Question 4

Was unterscheidet überwachte von unüberwachter Feature-Auswahl?

Accepted Answer

Überwachte Feature-Auswahl verwendet markierte Daten, während unüberwachte Feature-Auswahl dies nicht tut

Answer

Unüberwachte Feature-Auswahl kann für Dimensionsreduktion verwendet werden, während überwachte Feature-Auswahl dies nicht kann

Answer

Überwachte Feature-Auswahl ist immer genauer als unüberwachte Feature-Auswahl

Answer

Es gibt keinen Unterschied zwischen überwachter und unüberwachter Feature-Auswahl

Question 5

Was ist der Hauptunterschied zwischen Grid-Suche und zufälliger Suche?

Accepted Answer

Grid-Suche ist erschöpfend, während zufällige Suche stochastisch ist

Answer

Grid-Suche ist weniger wahrscheinlich, das optimale Modell zu finden als zufällige Suche

Answer

Zufällige Suche ist weniger rechenintensiv als Grid-Suche

Answer

Es gibt keinen Unterschied zwischen Grid-Suche und zufälliger Suche

Question 6

Welche Technik wird eingesetzt, um fehlende Werte in einem Datensatz zu ersetzen?

Accepted Answer

Datenimputation

Answer

Datennormalisierung

Answer

Feature-Transformation

Answer

Feature-Auswahl

Question 7

Welche Transformation wird angewandt, um kategoriale Variablen in numerische Variablen umzuwandeln?

Accepted Answer

One-Hot-Encoding

Answer

Standardisierung

Answer

Normalisierung

Answer

Skalierung

Question 8

Welche Technik dient dazu, redundante oder irrelevante Merkmale aus einem Datensatz zu entfernen?

Accepted Answer

Feature-Auswahl

Answer

Feature-Transformation

Answer

Datenbereinigung

Answer

Datennormalisierung

Question 9

Welche Metrik wird verwendet, um die Effektivität einer Feature-Transformation zu bewerten?

Accepted Answer

Varianzaufklärung

Answer

Mittlere absolute Abweichung

Answer

Mittlerer quadratischer Fehler

Answer

Root Mean Squared Error

Question 10

Welche Technik wird verwendet, um Beziehungen zwischen Merkmalen zu analysieren?

Accepted Answer

Korrelationsanalyse

Answer

Regressionsanalyse

Answer

Clusteranalyse

Answer

Diskriminanzanalyse

Question 11

Welche Technik wird verwendet, um kategoriale Variablen in eine hierarchische Struktur zu organisieren?

Accepted Answer

Baumdiagramm

Answer

Streudiagramm

Answer

Balkendiagramm

Answer

Kreisdiagramm

Question 12

Welche Methode zur Datenbereinigung entfernt doppelte Einträge aus einem Datensatz?

Accepted Answer

Deduplizierung

Answer

Imputation

Answer

Normalisierung

Answer

Feature-Auswahl

Question 13

Welcher Schritt der Datenvorverarbeitung umfasst die Umwandlung kategorialer Daten in numerische Form?

Accepted Answer

Enkodierung

Answer

Skalierung

Answer

Normalisierung

Answer

Transformation

Question 14

Welcher Ansatz für Feature-Engineering umfasst die Erstellung neuer Features aus existierenden Features?

Accepted Answer

Feature-Kombination

Answer

Feature-Transformation

Answer

Feature-Auswahl

Answer

Feature-Extraktion

Question 15

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

Accepted Answer

MSE

Answer

AUC-ROC

Answer

F1-Score

Answer

MAPE

Question 16

Welche Technik wird verwendet, um Daten in Cluster mit ähnlichen Merkmalen zu gruppieren?

Accepted Answer

Clustering

Answer

Dimension Reduction

Answer

Feature-Engineering

Answer

Imputation

Question 17

Welche Aussage zur Datenaufbereitung für maschinelles Lernen ist falsch?

Accepted Answer

Datenaufbereitung sollte immer als letzter Schritt im maschinellen Lernprozess durchgeführt werden.

Answer

Datenaufbereitung ist ein wichtiger Schritt im maschinellen Lernprozess.

Answer

Datenaufbereitung kann die Leistung von Modellen für maschinelles Lernen verbessern.

Answer

Datenaufbereitung kann Zeit und Rechenressourcen sparen.

Question 18

Welche Normalisierungsmethode transformiert die Werte eines Attributs auf eine Weise, dass sie einen Mittelwert von 0 und eine Standardabweichung von 1 haben?

Accepted Answer

Z-Transformation

Answer

Min-Max-Skalierung

Answer

Logarithmische Transformation

Answer

Quadratwurzel-Transformation

Question 19

Was ist das übergeordnete Ziel des Feature-Engineerings im Kontext des maschinellen Lernens?

Accepted Answer

Erstellung neuer Attribute, die für das Modell relevanter sind und seine Leistung verbessern.

Answer

Reduzierung der Anzahl der Attribute im Datensatz zur Vereinfachung und Beschleunigung des Modells.

Answer

Verbesserung der Modellgenauigkeit durch Optimierung der Datenverteilung.

Answer

Verringerung der Überanpassung durch Entfernen redundanter oder irrelevanter Attribute.

Question 20

Welche Feature-Auswahlmethode verwendet einen informationsbasierten Ansatz, um Attribute auszuwählen, die für die Vorhersage der Zielvariable am relevantesten sind?

Accepted Answer

Filter-Methode

Answer

Wrapper-Methode

Answer

Eingebettete Methode

Answer

Rekursive Feature-Elimination

Question 21

Welche Technik eignet sich zur Identifizierung und Gruppierung von Mustern und Strukturen in Attributen, um ihre Beziehungen untereinander besser zu verstehen?

Accepted Answer

Clusteranalyse

Answer

Hauptkomponentenanalyse

Answer

Diskriminanzanalyse

Answer

Regressionsanalyse

Question 22

Welche Aussage über Feature-Engineering ist zutreffend?

Accepted Answer

Feature-Engineering kann die Modellgenauigkeit verbessern, erfordert jedoch Domänenwissen und sorgfältige Überlegung.

Answer

Feature-Engineering ist ein notwendiger Schritt für jedes maschinelle Lernprojekt.

Answer

Feature-Engineering sollte niemals in Verbindung mit Feature-Auswahl verwendet werden, da sie konkurrierende Techniken sind.

Answer

Feature-Engineering ist eine einfache Aufgabe, die von jedem ohne Vorkenntnisse durchgeführt werden kann.

Question 23

Welche der folgenden Feature-Auswahlmethoden nutzt ein überwachtes Lernmodell, um die Relevanz von Attributen für die Vorhersage der Zielvariablen zu bewerten?

Accepted Answer

Wrapper-Methode

Answer

Filter-Methode

Answer

Eingebettete Methode

Answer

Rekursive Feature-Elimination

Question 24

Welcher Schritt der Datenvorverarbeitung dient der Behandlung fehlender Werte?

Accepted Answer

Datenbereinigung

Answer

Datentransformation

Answer

Feature-Engineering

Answer

Feature-Auswahl

Question 25

Welche Normalisierungsmethode skaliert die Werte eines Features auf einen Bereich zwischen 0 und 1?

Accepted Answer

Min-Max-Skalierung

Answer

Z-Skalierung

Answer

Standardisierung

Answer

Logarithmische Skalierung

Question 26

Welche Technik wird zur Erstellung neuer, aussagekräftigerer Features aus bestehenden Features verwendet?

Accepted Answer

Feature-Engineering

Answer

Feature-Transformation

Answer

Feature-Auswahl

Answer

Datenbereinigung

Question 27

Was ist das primäre Ziel der Datenvorverarbeitung?

Accepted Answer

Verbesserung der Datenqualität

Answer

Reduktion des Datenvolumens

Answer

Erkennung von Ausreißern

Answer

Steigerung der Vorhersagegüte

Question 28

Welche Feature-Auswahlmethode nutzt einen Klassifikator zur Bewertung der Relevanz von Features?

Accepted Answer

Klassifikatormethode

Answer

Filtermethode

Answer

Wrappermethode

Answer

Embeddedmethode

Question 29

Was ist ein Vorteil der Min-Max-Skalierung?

Accepted Answer

Einfache Implementierung und Beschränkung des Bereichs

Answer

Erfassung der zugrunde liegenden Datenverteilung

Answer

Reduzierung der Kovarianz zwischen Features

Answer

Erhöhung der Datensparsamkeit

Question 30

Welche der folgenden Techniken wird verwendet, um fehlende Werte aus einem Datensatz zu entfernen?

Accepted Answer

Imputation

Answer

Normalization

Answer

One-Hot-Encoding

Answer

Feature Scaling

Question 31

Welche der folgenden Transformationen wandelt kategorische Variablen in numerische Variablen um, indem sie eine neue binäre Variable für jede Kategorie erstellt?

Accepted Answer

One-Hot-Encoding

Answer

Standardisierung

Answer

Min-Max-Skalierung

Answer

PCA

Question 32

Welche der folgenden Normalisierungstechniken skaliert die Werte eines Features auf einen Bereich zwischen 0 und 1?

Accepted Answer

Min-Max-Skalierung

Answer

Standardisierung

Answer

Z-Score-Normalisierung

Answer

L2-Normierung

Question 33

Welche der folgenden Techniken kann verwendet werden, um stark korrelierte Features zu identifizieren?

Accepted Answer

Korrelationsmatrix

Answer

Eigenwertzerlegung

Answer

Clusteranalyse

Answer

Regressionsanalyse

Question 34

Erläutern Sie den Unterschied zwischen Feature-Transformation und Feature-Auswahl.

Accepted Answer

Feature-Transformation ändert die Werte bestehender Features, während Feature-Auswahl Features entfernt.

Answer

Feature-Auswahl erstellt neue Features, während Feature-Transformation Features entfernt.

Answer

Feature-Transformation und Feature-Auswahl sind identische Prozesse.

Question 35

Wie beeinflusst die Normalisierung die Verteilung der Daten?

Accepted Answer

Verschiebt den Mittelwert auf 0 und skaliert die Daten auf einen Bereich

Answer

Erhöht die Varianz der Daten

Answer

Macht die Daten normalverteilt

Question 36

Welche Datenbereinigungstechnik befasst sich mit dem Umgang mit fehlenden Werten?

Accepted Answer

Imputation

Answer

Binning

Answer

Diskretisierung

Answer

Normalisierung

Question 37

Welche Datentransformation wandelt kategoriale Variablen in numerische Vektoren um?

Accepted Answer

One-Hot-Encoding

Answer

PCA

Answer

Min-Max-Skalierung

Answer

Log-Transformation

Question 38

Welche Normalisierungsmethode skaliert Werte auf den Bereich [0,1]?

Accepted Answer

Min-Max-Normalisierung

Answer

Z-Score-Normalisierung

Answer

Robust Scaling

Question 39

Welche Feature-Auswahlmethode verwendet einen iterativen Ansatz, um wichtige Features hinzuzufügen?

Accepted Answer

Forward Feature Selection

Answer

L1-Regularisierung

Answer

PCA

Question 40

Was ist das Hauptziel von Feature-Engineering?

Accepted Answer

Erstellung neuer Merkmale, die für das Modell relevanter sind

Answer

Reduzierung der Dimensionalität des Datensatzes

Answer

Erkennen von Ausreißern

Question 41

Welche Methode zur Behandlung fehlender Werte nutzt Informationen aus anderen Merkmalen, um fehlende Werte vorherzusagen?

Accepted Answer

Multivariate Imputation

Answer

Median Imputation

Answer

Mean Imputation

Answer

Keine der oben genannten

Question 42

Was ist ein wesentlicher Unterschied zwischen Skalen- und Rangtransformationen?

Accepted Answer

Skalen Transformationen verändern die Abstände zwischen Werten, während Rang Transformationen dies nicht tun

Answer

Rang Transformationen ändern den Mittelwert eines Datensatzes, während Skalen Transformationen dies nicht tun

Question 43

Welche Feature-Auswahlmethode selektiert Features basierend auf ihrer Korrelation mit der Zielvariable?

Accepted Answer

Korrelationsbasierte Feature-Auswahl

Answer

Wrapper-Feature-Auswahl

Answer

Filter-Feature-Auswahl

Answer

L1-Regularisierung

Question 44

Was ist der Hauptzweck der Datennormalisierung?

Accepted Answer

Verbesserung der Modellleistung durch Skalierung der Features auf einen gemeinsamen Bereich

Answer

Erkennung von Ausreißern

Answer

Reduzierung der Dimensionalität des Datensatzes

Question 45

Welche der folgenden Methoden wird verwendet, um fehlende Werte in einem Datensatz zu ersetzen?

Accepted Answer

Imputation

Answer

Mittelwertbildung

Answer

Deletion

Answer

Modusbildung

Question 46

Welche der folgenden Normalisierungsmethoden überführt die Werte eines Attributs in einen Bereich zwischen 0 und 1?

Accepted Answer

Min-Max-Skalierung

Answer

Max-Abs-Skalierung

Answer

Z-Score-Skalierung

Question 47

Welches Feature-Selection-Verfahren verwendet einen Wrapper, um eine Teilmenge der besten Features zu selektieren?

Accepted Answer

Sequentielle Vorwärtsselektion

Answer

ReliefF

Answer

Filter-Methode

Answer

Eingebettete Methode

Question 48

Welcher der folgenden Datentypen wird typischerweise für die Speicherung von Textdaten verwendet?

Accepted Answer

Zeichenfolge

Answer

Fließkomma

Answer

Ganzzahl

Answer

Binär

Question 49

Welche der folgenden Techniken wird verwendet, um Anomalien in einem Datensatz zu erkennen?

Accepted Answer

Interquartilsabstand (IQR)

Answer

Varianz

Answer

Mittelwert

Answer

Standardabweichung

Question 50

Welche der folgenden Techniken wird zur Behandlung fehlender numerischer Datenwerte eingesetzt?

Accepted Answer

Imputation

Answer

Normalisierung

Answer

Binning

Answer

Diskretisierung

Question 51

Was ist der Hauptzweck der Feature-Skalierung?

Accepted Answer

Skalieren der Features auf einen gemeinsamen Bereich, um ihre Vergleichbarkeit zu verbessern.

Answer

Entfernen von Ausreißern.

Answer

Reduzieren der Dimensionalität der Daten.

Question 52

Welcher Vorteil ergibt sich aus der Verwendung von Einheitsvektoren in der Hauptkomponentenanalyse (PCA)?

Accepted Answer

Beseitigung des Einflusses der Skalierung der ursprünglichen Features.

Answer

Erhöhte Interpretierbarkeit.

Answer

Verbesserter Speicherbedarf.

Question 53

Was ist das Hauptziel des Feature-Engineerings?

Accepted Answer

Generieren neuer Features, die das zugrunde liegende Phänomen besser repräsentieren.

Answer

Automatisieren des Feature-Auswahlprozesses.

Answer

Reduzieren der Anzahl der Features.

Question 54

Welcher Vorteil ergibt sich aus der Verwendung der linearen Diskriminanzanalyse (LDA) im Vergleich zur PCA?

Accepted Answer

Berücksichtigung von Klassenbezeichnungen bei der Dimensionsreduktion.

Answer

Geringerer Speicherbedarf.

Answer

Erhöhte Interpretierbarkeit.

Question 55

Welche der folgenden Aussagen zur Datenbereinigung ist korrekt?

Accepted Answer

Sie ist ein iterativer Prozess, der mehrere Durchläufe durch die Daten erfordern kann.

Answer

Sie kann vollständig automatisiert werden.

Answer

Sie sollte nur einmal durchgeführt werden.

Question 56

Welches ist die primäre Zielsetzung der Datenaufbereitung für maschinelles Lernen?

Accepted Answer

Herstellen von Daten, die für Modelle geeignet und nutzbar sind.

Answer

Maximieren der Modellgenauigkeit.

Answer

Verringern der Datengröße.

Question 57

Welche der folgenden Techniken wird zur Behandlung fehlender Werte in numerischen Features verwendet?

Accepted Answer

Imputation

Answer

Skalierung

Answer

Feature-Engineering

Answer

Normalisierung

Question 58

Welcher Schritt ist typischerweise der erste bei der Datenaufbereitung für maschinelles Lernen?

Accepted Answer

Datenbereinigung

Answer

Skalierung

Answer

Feature-Auswahl

Answer

Normalisierung

Question 59

Was ist das Ziel der Feature-Normalisierung?

Accepted Answer

Wertebereich der Features auf einen einheitlichen Bereich abzubilden

Answer

Kategoriale Merkmale in numerische umzuwandeln

Answer

Ausreißer zu entfernen

Question 60

Welche der folgenden Techniken wird verwendet, um die Dimension des Datensatzes zu reduzieren?

Accepted Answer

Feature-Auswahl

Answer

Imputation

Answer

Feature-Skalierung

Answer

One-Hot-Encoding

Question 61

Was ist der Zweck des Feature-Engineerings?

Accepted Answer

Erstellung neuer Features, die für die Modellierung relevanter sind

Answer

Imputation fehlender Werte

Answer

Reduktion der Datenmenge

Question 62

Welche der folgenden Methoden wird zur Skalierung numerischer Features auf den Bereich [0, 1] verwendet?

Accepted Answer

Min-Max-Skalierung

Answer

Robust-Skalierung

Answer

Standardisierung

Question 63

Welche Überlegung spielt eine wichtige Rolle bei der Auswahl von Features für ein Modell?

Accepted Answer

Korrelation zwischen Features

Answer

Mittelwerte der Features

Answer

Anzahl der Features

Answer

Datentyp der Features

Question 64

Was ist das primäre Ziel der Datenaufbereitung für maschinelles Lernen?

Accepted Answer

Transformation der Daten in eine Form, die für die Modellierung geeignet ist

Answer

Analyse und Visualisierung der Daten

Answer

Verbesserung der Modellgenauigkeit