Unüberwachtes Lernen: Quizfragen und Übungen für Data Science

Question 1

Welche der folgenden Algorithmen ist eine Methode des unüberwachten Lernens?

Accepted Answer

Clustering

Answer

Überwachte Regression

Answer

Lineare Diskriminanzanalyse

Answer

Logistische Regression

Question 2

Welches ist das vorrangige Ziel von Clustering-Techniken?

Accepted Answer

Identifizierung von Mustern und Strukturen in unbeschrifteten Daten

Answer

Vorhersage von Zielvariablen

Answer

Reduzierung der Dimensionalität von Daten

Question 3

Welche der folgenden ist eine häufig verwendete Clustering-Methode?

Accepted Answer

k-Means

Answer

Support Vector Machines

Answer

Naive Bayes

Answer

Entscheidungsbäume

Question 4

Was ist der wesentliche Unterschied zwischen hierarchischem und partitionierendem Clustering?

Accepted Answer

Hierarchisches Clustering erstellt eine Baumstruktur, während partitionierendes Clustering Datenpunkte direkt Clustern zuordnet

Answer

Partitionierendes Clustering ist schneller als hierarchisches Clustering

Question 5

Welche der folgenden ist eine Dimensionreduktionstechnik?

Accepted Answer

Prinzipalkomponentenanalyse (PCA)

Answer

Logistische Regression

Answer

Bayes' Theorem

Answer

Lineare Regression

Question 6

Was ist das primäre Ziel der PCA?

Accepted Answer

Reduzierung der Anzahl der Merkmale in einem Datensatz unter maximaler Beibehaltung der Varianz

Answer

Erkennung von Ausreißern in Daten

Answer

Erhöhung der Vorhersagegenauigkeit von Modellen

Question 7

Welche der folgenden Anwendungen ist mit PCA verbunden?

Accepted Answer

Bildkompression

Answer

Medizinische Diagnose

Answer

Klassifizierung von Textdokumenten

Answer

Vorhersage von Börsenkursen

Question 8

Welche der folgenden Aussagen über unüberwachtes Lernen trifft zu?

Accepted Answer

Unüberwachtes Lernen verwendet unbeschriftete Daten und identifiziert Muster ohne menschliche Aufsicht

Answer

Es ist immer schneller als überwachtes Lernen

Answer

Es kann nur für binäre Klassifizierungsprobleme verwendet werden

Question 9

Welche der folgenden Herausforderungen tritt häufig beim unüberwachten Lernen auf?

Accepted Answer

Bestimmung der optimalen Anzahl von Clustern

Answer

Fehlen von Trainingsdaten

Answer

Überanpassung an den Trainingsdaten

Answer

Hohe Rechenkosten

Question 10

Welches konkrete Beispiel verdeutlicht eine praktische Anwendung von unüberwachtem Lernen im Finanzwesen?

Accepted Answer

Betrugserkennung

Accepted Answer

Kundensegmentierung

Answer

Portfolioverwaltung

Answer

Aktienkursprognose

Question 11

Welches Verfahren zur Dimensionsreduktion maximiert die Varianz in den Daten?

Accepted Answer

Hauptkomponentenanalyse (PCA)

Answer

t-Distributed Stochastic Neighbor Embedding (t-SNE)

Answer

Lineare Diskriminanzanalyse (LDA)

Answer

Clusteranalyse

Question 12

Welche Aussage trifft auf unüberwachtes Lernen zu?

Accepted Answer

Es benötigt keine markierten Daten.

Answer

Es wird verwendet, um bereits bekannte Muster zu identifizieren.

Answer

Ziel ist es, Vorhersagen über zukünftige Daten zu treffen.

Answer

Es ist nur für kleine Datensätze geeignet.

Question 13

Welche Metrik wird verwendet, um die Qualität einer Clusterlösung zu messen?

Accepted Answer

Silhouette-Koeffizient

Answer

Genauigkeit

Answer

AUC-ROC (Area Under Curve - Receiver Operating Characteristic)

Answer

Mittlerer absoluter Fehler (MAE)

Question 14

Welches Clusterverfahren ist hierarchisch und agglomerativ?

Accepted Answer

Single-Linkage

Answer

DBSCAN (Density-Based Spatial Clustering of Applications with Noise)

Answer

Mean-Shift

Answer

K-Means

Question 15

Welches Clusterverfahren kann Rauschen und Ausreißer in Daten behandeln?

Accepted Answer

DBSCAN

Answer

Mean-Shift

Answer

Single-Linkage

Answer

K-Means

Question 16

Welches Verfahren zur Dimensionsreduktion soll die Distanzen zwischen Datenpunkten erhalten?

Accepted Answer

Multidimensionale Skalierung (MDS)

Answer

PCA (Hauptkomponentenanalyse)

Answer

LDA (Lineare Diskriminanzanalyse)

Answer

t-SNE (t-Distributed Stochastic Neighbor Embedding)

Question 17

Welches Verfahren zum unüberwachten Lernen kann Anomalien in Daten erkennen?

Accepted Answer

One-Class-SVM (One-Class-Support-Vector-Machine)

Answer

K-Means

Answer

PCA (Hauptkomponentenanalyse)

Answer

DBSCAN

Question 18

Welches der folgenden Verfahren ist keine Technik des unüberwachten Lernens?

Accepted Answer

Überwachtes Lernen

Answer

Dimensionsreduktion

Answer

Anomalieerkennung

Answer

Clustering

Question 19

Welche der folgenden Aussagen über K-Means-Clustering ist korrekt?

Accepted Answer

Es ist ein iterativer Algorithmus, der Datenpunkte iterativ Clustern zuordnet.

Answer

Es erfordert vorab definierte Clusteranzahl und Label.

Answer

Es ist ein hierarchisches Clustering-Verfahren.

Question 20

Welches der folgenden Ziele verfolgt die Dimensionsreduktion?

Accepted Answer

Reduzierung der Datenkomplexität und Rauschunterdrückung

Answer

Verbesserung der Clustering-Genauigkeit

Answer

Erhöhung der Rechenzeit

Question 21

Welche der folgenden Aussagen über Hierarchisches Clustering ist korrekt?

Accepted Answer

Es erzeugt eine hierarchische Baumstruktur, die die Datenpunkte entsprechend ihrer Ähnlichkeit gruppiert.

Answer

Es erfordert die Angabe der Anzahl der Cluster im Voraus.

Question 22

Welche Methode wird zur Dimensionsreduktion eingesetzt?

Accepted Answer

PCA (Hauptkomponentenanalyse)

Answer

Hierarchisches Clustering

Answer

K-Means-Clustering

Answer

Dichtebasierte Rauscherisolierung

Question 23

Welche Art des unüberwachten Lernens zielt darauf ab, Gruppen ähnlicher Datenpunkte zu identifizieren?

Accepted Answer

Clustering

Answer

Erkennung von Ausreißern

Answer

Dimensionsreduktion

Answer

Assoziationsanalyse

Question 24

Welcher der folgenden Algorithmen ist ein hierarchisches Clustering-Verfahren?

Accepted Answer

Single-Linkage-Clustering

Answer

LDA (lineare Diskriminanzanalyse)

Answer

DBSCAN

Answer

K-Means-Clustering

Question 25

Welcher Algorithmus wird zur Erkennung von Ausreißern in Daten verwendet?

Accepted Answer

Isolation Forest

Answer

Support-Vektor-Maschinen

Answer

K-nächste Nachbarn

Question 26

Was ist das Ziel von t-SNE (t-distributed Stochastic Neighbor Embedding) in der Dimensionsreduktion?

Accepted Answer

Behandlung nichtlinearer Beziehungen

Answer

Verringerung der Dimensionalität

Answer

Erkennung von Ausreißern

Answer

Identifizierung von Clustern

Question 27

Welche Eigenschaft zeichnet den K-Means-Algorithmus aus?

Accepted Answer

Partitionierung der Daten in k gleich große Gruppen

Answer

Erkennung von Ausreißern

Answer

Hierarchische Struktur

Question 28

Welcher der folgenden Algorithmen ist ein dichtbasiertes Clustering-Verfahren?

Accepted Answer

DBSCAN (Density-Based Spatial Clustering of Applications with Noise)

Answer

Agglomeratives Clustering

Answer

K-Medoids

Question 29

Was ist der Hauptvorteil der Anwendung von unüberwachtem Lernen?

Accepted Answer

Erkennen versteckter Muster in unbeschrifteten Daten

Answer

Geringere Kosten für die Datenerfassung

Answer

Höhere Genauigkeit im Vergleich zu überwachtem Lernen

Question 30

Welche Kennzahl wird verwendet, um den Abstand zwischen Datenpunkten in einem Cluster zu messen?

Accepted Answer

Intraklassen-Streuung

Answer

AIC (Akaike Information Criterion)

Answer

Silhouetten-Koeffizient

Answer

Davies-Bouldin-Index

Question 31

Welches ist das primäre Ziel des unüberwachten Lernens?

Accepted Answer

Erkennung von Mustern und Strukturen in unbeschrifteten Daten

Answer

Training von Prädiktionsmodellen

Answer

Vorbereitung von Daten für überwachtes Lernen

Question 32

Welche der folgenden Methoden wird zur Gruppierung von Datenpunkten verwendet?

Accepted Answer

Clustering

Answer

Hauptkomponentenanalyse (PCA)

Answer

Stützvektormaschinen (SVMs)

Answer

Lineare Regression

Question 33

Welcher Distanzmaß wird von K-Means für die Zuordnung von Datenpunkten zu Clustern verwendet?

Accepted Answer

Euklidische Distanz

Answer

Manhattan-Distanz

Answer

Chebyshev-Distanz

Answer

Kosinus-Ähnlichkeit

Question 34

Welches ist ein Hauptziel der Dimensionsreduktion?

Accepted Answer

Verringerung der Anzahl der Merkmale in einem Datensatz

Answer

Identifizierung von Ausreißern in Daten

Answer

Erhöhung der Vorhersagegenauigkeit von Modellen

Question 35

Welche Dimensionsreduktionsmethode verwendet lineare Transformationen?

Accepted Answer

Hauptkomponentenanalyse (PCA)

Answer

Autoencodierer

Answer

T-SNE

Answer

Kernel-PCA

Question 36

Welche Metrik wird zur Bewertung der Qualität einer Clustering-Lösung verwendet?

Accepted Answer

Silhouette-Koeffizient

Answer

F1-Score

Answer

R2-Score

Answer

Genauigkeit

Question 37

Welche Clustering-Technik ermöglicht die Identifizierung von Clustern in einer hierarchischen Struktur?

Accepted Answer

Hierarchisches Clustering

Answer

K-Means

Answer

Spektrales Clustering

Answer

DBSCAN

Question 38

Welcher Vorteil wird mit der Anwendung von Dimensionsreduktion erzielt?

Accepted Answer

Verbesserte Rechenleistung und Speicherbedarf

Answer

Beseitigung von Rauschen und Ausreißern in Daten

Answer

Immer höhere Vorhersagegenauigkeit von Modellen

Question 39

Welche Clustering-Technik basiert auf einer Affinitätsmatrix?

Accepted Answer

Spektrales Clustering

Answer

K-Means

Answer

Hierarchisches Clustering

Answer

DBSCAN

Question 40

Welche Herausforderung ist mit der Anwendung von Dimensionsreduktion verbunden?

Accepted Answer

Möglicher Informationsverlust über die Daten

Answer

Immer erforderliche große Datenmengen

Answer

Nur für numerische Daten geeignet

Answer

Anfälligkeit für Überanpassung

Question 41

Welche der folgenden Methoden wird zur Dimensionsreduktion eingesetzt?

Accepted Answer

Principal Component Analysis (PCA)

Answer

Neuronale Netze

Answer

Support Vector Machines (SVM)

Answer

Regression

Question 42

Welches Clustering-Verfahren teilt Datenpunkte in K Gruppen ein, wobei K vorher festgelegt wird?

Accepted Answer

K-Means-Clustering

Answer

Hierarchisches Clustering

Answer

Dichtebasiertes Clustering

Answer

Modelbasiertes Clustering

Question 43

Was ist das primäre Ziel des unüberwachten Lernens?

Accepted Answer

Muster und Strukturen in unbeschrifteten Daten zu identifizieren

Answer

Klassifikationsmodelle zu erstellen

Answer

Prognosen zu treffen

Answer

Anomalien zu erkennen

Question 44

Was beschreibt der Silhouette-Koeffizient in Bezug auf Clustering?

Accepted Answer

Die Trennung zwischen Datenpunkten innerhalb eines Clusters und Datenpunkten außerhalb des Clusters

Answer

Die Güte der Anpassung eines Clustering-Modells

Question 45

Welcher Vorteil zeichnet hierarchisches Clustering aus?

Accepted Answer

Es kann die innere Struktur von Daten offenbaren.

Answer

Es erfordert beschriftete Daten.

Answer

Es ist rechenzeitaufwändig.

Answer

Es ist empfindlich gegenüber Rauschen.

Question 46

Welche Rolle spielen Domänenkenntnisse im Kontext des unüberwachten Lernens?

Accepted Answer

Sie unterstützen die Interpretation der Ergebnisse und die Auswahl geeigneter Modelle.

Answer

Sie sind nicht zwingend erforderlich für das unüberwachte Lernen.

Answer

Sie können die Leistung von unüberwachten Lernmodellen beeinträchtigen.

Question 47

Welche Clustering-Technik unterteilt eine Datenmenge in Cluster, ohne dass diese zuvor markiert wurden?

Accepted Answer

k-Means

Answer

Naive Bayes

Answer

Entscheidungsbäume

Answer

Support Vector Machines

Question 48

Welcher Vorteil ist mit der Dimensionsreduktionstechnik PCA verbunden?

Accepted Answer

Verringerung der Datenkomplexität und Verbesserung der Interpretierbarkeit.

Answer

Erhöhung der Vorhersagegenauigkeit.

Answer

Erkennung von Ausreißern.

Question 49

Welche der folgenden Metriken wird zur Messung der Ähnlichkeit zwischen Datenpunkten beim Clustering verwendet?

Accepted Answer

Euklidischer Abstand

Answer

Informationsgewinn

Answer

F-Maß

Answer

Genauigkeit

Question 50

Welcher Algorithmus zur Dimensionsreduktion zielt darauf ab, die wesentlichen Komponenten zu extrahieren, die die maximale Varianz in den Daten erklären?

Accepted Answer

Hauptkomponentenanalyse (PCA)

Answer

Singulärwertzerlegung (SVD)

Answer

t-SNE

Answer

Lineare Diskriminanzanalyse (LDA)

Question 51

Welche der folgenden Aussagen beschreibt die Eigenart unüberwachter Lernalgorithmen korrekt?

Accepted Answer

Sie lernen aus Daten ohne markierte Labels.

Answer

Sie werden typischerweise für Klassifikationsaufgaben verwendet.

Answer

Sie erfordern eine große Menge an trainierten Daten.

Answer

Sie sind anfällig für Überanpassung.

Question 52

Welches Ziel verfolgt der k-Means-Algorithmus beim Clustering?

Accepted Answer

Minimierung der Summe der quadrierten Abstände zwischen Datenpunkten und ihren Clusterzentren.

Answer

Maximierung der Varianz innerhalb der Cluster.

Answer

Identifizierung der häufigsten Datenpunkte.

Question 53

Welche Anwendung ist typisch für unüberwachte Lernalgorithmen wie PCA?

Accepted Answer

Anomalieerkennung

Answer

Handschrifterkennung

Answer

Sentimentanalyse

Answer

Objekterkennung

Question 54

Welcher der folgenden Algorithmen ist ein hierarchischer Clustering-Algorithmus?

Accepted Answer

Agglomeratives Clustering

Answer

k-Means

Answer

DBSCAN

Answer

Gaussian Mixture Model (GMM)

Question 55

Welche Rolle spielt die Anzahl der Hauptkomponenten bei der PCA?

Accepted Answer

Sie bestimmt den Grad der Datenreduktion.

Answer

Sie beeinflusst die Genauigkeit des Modells.

Answer

Sie muss immer der Anzahl der Features entsprechen.

Question 56

Welche der folgenden Techniken gehört NICHT zum unüberwachten Lernen?

Accepted Answer

Supervised Classification

Answer

Principal Component Analysis (PCA)

Answer

K-Means Clustering

Answer

Hierarchical Clustering

Question 57

Welche Aussage zu Clustering-Algorithmen ist FALSCH?

Accepted Answer

Clustering-Algorithmen benötigen beschriftete Daten, um Muster zu erkennen.

Answer

K-Means ist ein weit verbreiteter Clustering-Algorithmus.

Answer

Clustering-Algorithmen gruppieren Datenpunkte mit ähnlichen Merkmalen.

Question 58

Wie viele Cluster werden in einem K-Means-Algorithmus mit k=4 gebildet?

Accepted Answer

4

Answer

Es hängt von den Daten ab.

Answer

8

Answer

2

Question 59

Welche Methode zur Dimensionsreduktion nutzt lineare Transformationen, um die Daten auf einen niedrigeren Raum zu projizieren?

Accepted Answer

Principal Component Analysis (PCA)

Answer

Decision Trees

Answer

Hierarchical Clustering

Answer

K-Means Clustering

Question 60

Was ist ein Hauptvorteil der Dimensionsreduktion?

Accepted Answer

Reduzierter Rechenaufwand für Machine-Learning-Modelle

Answer

Erhöhte Anzahl von Datenpunkten

Answer

Verbesserte Genauigkeit von Klassifikationsmodellen

Question 61

Welche Aussage zum Elbow-Methoden ist KORREKT?

Accepted Answer

Die Elbow-Methode wird verwendet, um den optimalen Wert für k in einem K-Means-Algorithmus zu finden.

Answer

Die Elbow-Methode reduziert die Dimensionen von Daten.

Question 62

Ein Unternehmen möchte seine Kunden in verschiedene Segmente einteilen, um gezielte Marketingkampagnen zu entwickeln. Welches unüberwachte Lernverfahren wäre dafür am besten geeignet?

Accepted Answer

Clustering

Answer

Supervised Classification

Answer

Reinforcement Learning

Answer

Dimensionsreduktion

Question 63

Welche der folgenden Metriken wird verwendet, um die Güte eines Clustering-Modells zu bewerten?

Accepted Answer

Silhouette Score

Answer

Accuracy Score

Answer

Recall Score

Answer

Precision Score

Question 64

Was ist der Unterschied zwischen hierarchischem Clustering und K-Means Clustering?

Accepted Answer

Hierarchisches Clustering erstellt eine Hierarchie von Clustern, während K-Means feste Cluster erzeugt.

Answer

Hierarchisches Clustering ist schneller als K-Means.