Grundlagen des maschinellen Lernens

An die drei Datenpunkte (x, y) = (1, 3), (2, 4) und (3, 8) wird mit der Methode der kleinsten Quadrate eine Gerade y = ax + b angepasst. Wie groß ist der vorhergesagte Wert bei x = 4?

  1. A10
  2. B10,5
  3. C12
Antwort und Erläuterung anzeigen

Antwort: A. 10

Die Methode der kleinsten Quadrate bestimmt a und b so, dass die Summe der Quadrate der Abweichungen (Residuen) zwischen den tatsächlichen Werten und der Geraden möglichst klein wird. Der Mittelwert von x ist 2 und der von y ist 5; die Steigung beträgt daher a = Σ(x − 2)(y − 5) ÷ Σ(x − 2)² = (2 + 0 + 3) ÷ 2 = 2,5 und der Achsenabschnitt b = 5 − 2,5 × 2 = 0. Der vorhergesagte Wert bei x = 4 ist also 2,5 × 4 = 10.

Dieses Thema üben Zur Themenseite

Weitere Fragen zu Grundlagen des maschinellen Lernens

  1. Bei einer logistischen Regression wird z = 2x − 4 durch die Sigmoidfunktion σ(z) = 1 ÷ (1 + e^(−z)) geführt, und das Ergebnis wird als Wahrscheinlichkeit ausgegeben, dass der Fall positiv ist. Wie groß ist die Ausgabe bei x = 2?
  2. Ein Knoten eines Entscheidungsbaums enthält 6 Datenpunkte der Klasse A und 4 der Klasse B. Wie groß ist die Gini-Unreinheit dieses Knotens?
  3. Welche Beschreibung des Unterschieds zwischen Bagging (Random Forest u. Ä.) und Boosting beim Ensemble-Lernen trifft zu?
  4. Die Klasse des zweidimensionalen Punkts (0, 0) wird mit dem k-Nächste-Nachbarn-Verfahren vorhergesagt. Die Trainingsdaten bestehen aus den roten Punkten (1, 0), (3, 0) und (0, −3) sowie den blauen Punkten (0, 2) und (−2, 1). Welches Paar von Vorhersagen für k = 3 und k = 5 ist bei euklidischem Abstand richtig?
  5. Welche Beschreibung der Support Vector Machine (SVM) trifft zu?