Deutsch
Menü

Grundlagen des maschinellen Lernens

Welcher der folgenden Schritte beim Erstellen eines Machine-Learning-Modells verursacht Data Leakage (Informationen aus den Bewertungsdaten gelangen ins Training)?

  1. AMittelwert und Standardabweichung für die Standardisierung werden nur aus den Trainingsdaten berechnet, und Validierungs- und Testdaten werden mit denselben Werten standardisiert
  2. BMittelwert und Standardabweichung für die Standardisierung werden aus allen Daten berechnet und die Daten damit standardisiert; danach werden sie in Trainings- und Testdaten aufgeteilt
  3. CZeitreihendaten werden so aufgeteilt, dass die Daten vor einem bestimmten Datum dem Training und die Daten ab diesem Datum dem Test dienen
Antwort und Erläuterung anzeigen

Antwort: B. Mittelwert und Standardabweichung für die Standardisierung werden aus allen Daten berechnet und die Daten damit standardisiert; danach werden sie in Trainings- und Testdaten aufgeteilt

Data Leakage bedeutet, dass Informationen, die zum Zeitpunkt der Vorhersage eigentlich nicht verfügbar wären, oder Informationen aus den Bewertungsdaten in den Trainingsprozess gelangen. Werden Mittelwert und Standardabweichung vor der Aufteilung über alle Daten berechnet, fließen Statistiken der Testdaten über die Vorverarbeitung ins Training ein, und die Leistung kann besser erscheinen, als sie wirklich ist. Richtig ist es, die Parameter der Vorverarbeitung nur aus den Trainingsdaten zu bestimmen und diese Werte auf Validierungs- und Testdaten anzuwenden. Zeitreihendaten werden in zeitlicher Reihenfolge aufgeteilt, weil eine zufällige Aufteilung bedeuten würde, die Vergangenheit mit Informationen aus der Zukunft vorherzusagen.

Dieses Thema üben Zur Themenseite

Weitere Fragen zu Grundlagen des maschinellen Lernens

  1. Ein Modell für die Klassifikation mit zwei Klassen wurde mit 200 Testdaten bewertet. Die Konfusionsmatrix zeigt 45 richtig positive (TP), 5 falsch positive (FP), 45 falsch negative (FN) und 105 richtig negative (TN). Welches Paar aus Precision und Recall ist richtig?
  2. Ein Modell für die Klassifikation mit zwei Klassen wurde mit 200 Testdaten bewertet: TP = 20, FP = 5, FN = 30 und TN = 145. Welcher Wert liegt dem F1-Score am nächsten?
  3. Welche Beschreibung der ROC-Kurve und der AUC, mit denen Modelle für die Klassifikation mit zwei Klassen bewertet werden, trifft zu?
  4. Wie hoch ist bei Daten aus 1000 Fällen, von denen nur 10 positiv sind, die Accuracy (der Anteil richtiger Vorhersagen) eines Modells, das jeden Fall als negativ vorhersagt?
  5. Vier Datenpunkte haben die tatsächlichen Werte 3, 5, 2 und 6, und das Modell sagt für sie 2, 5, 4 und 4 voraus. Wie groß ist der mittlere quadratische Fehler (MSE)?