Machine Learning Quiz

Wie heißt es: "Wenn sich große Fehlergradienten ansammeln und zu großen Änderungen der Gewichte des neuronalen Netzes während des Trainings führen"?

Warum heißt das Theorem von Naive Bayes "naive"?

Was davon ist überwachtes und unüberwachtes Lernen?

Welcher ML-Algorithmus wird als lazy learner bezeichnet, weil er keine maschinell erlernten Werte oder Variablen aus den Trainingsdaten lernt, sondern jedes Mal, wenn er klassifizieren will, dynamisch den Abstand berechnet

Was ist der Unterschied zwischen linearer Regression und linearer Klassifikation?

Welche Matrix kann als Zusammenfassung der Vorhersagen eines Klassifizierungsmodells, d. h. eines Klassifizierers, für einen Satz von Testdaten verwendet werden, für den die wahren Werte bekannt sind?

Welche der folgenden Darstellungen werden Sie verwenden, um Ausreißer in den Daten zu finden?

Welche Methode hilft bei der Suche nach "Wie viele relevante Elemente wurden ausgewählt"?

Welcher dieser Algorithmen leidet am meisten unter Overfitting?

Wie nennt man es, wenn es zu viele Merkmale in der Stichprobe gibt, der Stichprobenumfang aber nicht ausreicht, um mit ML angemessene Vorhersagen zu treffen?

Welche Optimierungsmethode verwendet in jeder Traings-Batch nur eine Stichproben für die Trainingsoptimierung?

Wann kommt die Regularisierung beim maschinellen Lernen ins Spiel?

Welche dieser Funktionen dient dazu, Daten als Input zu nehmen und diese dann in eine höhere Dimension umzuwandeln?

Du willst prüfen, ob du diesen Self Assessment Test bestehst, dabei hast du genügend Stichproben und Merkmale, um dies zu beurteilen. Welche Verteilung wirst du in deinem Modell für das Training verwenden?

Welche Dimensionalitätstechniken sind zu verwenden, wenn die Korrelation zwischen den benachbarten Datenpunkten im niedrigdimensionalen Raum erhalten bleiben soll?