Mit dem Guide verknüpftes Quiz · Einfach Ebene

KI- und Datenquiz

Testen Sie, wie sich Beispieleinheiten, Beschriftungen, Feature-Timing, fehlende Werte, Herkunft und Abdeckung auf die Datenqualität des maschinellen Lernens auswirken.

Verwandte FührungspfadeKI-Daten
Frage 1 von 8

Ein Modell schneidet trotz vieler Datensätze schlecht ab. Welcher Leitgrundsatz hilft dies zu erklären?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Ein Modell schneidet trotz vieler Datensätze schlecht ab. Welcher Leitgrundsatz hilft dies zu erklären?
    • Mehr Beispiele beseitigen Messfehler immer
    • Das häufigste Label garantiert zuverlässige Vorhersagen
    • Datenqualität, Relevanz und Abdeckung sind für die Aufgabe wichtig
    • Allein die Größe der Trainingsdaten bestimmt den Nutzen des Modells
  2. Eine Tabelle für überwachtes Training paart jede Eingabe mit dem Ergebnis, das sie vorhersagen soll. Welches Feld fungiert als das Label?
    • Das mit einem Beispiel verknüpfte Zielergebnis
    • Der Dateiname auf dem Computer
    • Ein Merkmal, das vor der Vorhersage verfügbar ist
    • Eine Datenschutzeinrichtung
  3. Ein Team prognostiziert Kündigungen zu Beginn des Juni. Warum sollte es einen Kündigungsgrund ausschließen, der aufgezeichnet wird, nachdem der Kunde geht?
    • Da kleinere Datensätze immer genauere Modelle erzeugen
    • Es ist ein Merkmal, das zum Zeitpunkt der Vorhersage nicht verfügbar ist und das Ergebnis preisgibt
    • Es ist ein Label, das als Eingabe verwendet werden muss
    • Es verändert die Beispieleinheit des Kunden
  4. Warum sollte man beim Aufteilen eines Erkennungsdatensatzes mehrere Fotos desselben Objekts zusammenhalten?
    • Um die Bild-Labels identisch zu machen
    • Um die Anzahl unabhängiger Objekte zu erhöhen
    • Um alle Testbeispiele zu entfernen
    • Um zu verhindern, dass nahezu identische Ansichten zwischen Training und Test durchsickern
  5. Warum kann das Ersetzen jedes fehlenden Werts durch Null irreführend sein?
    • Null kann eine reale Menge bedeuten, während fehlend unbekannt bedeutet
    • Null ist immer die korrekte Schätzung
    • Fehlende Werte können keine Informationen enthalten
    • Modelle ignorieren automatisch Nullen
  6. Ein Sensordatenwert liegt außerhalb seines plausiblen physikalischen Bereichs. Welche Antwort folgt den Datenqualitätsprüfungen des Leitfadens?
    • Ob die Datei einen kurzen Namen hat
    • Überprüfen Sie die Messung und markieren Sie einen verdächtigen Wert, anstatt anzunehmen, dass er gültig ist
    • Ob die Messung an einem Wochenende gesammelt wurde
    • Ob weitere Datensätze hinzugefügt werden können
  7. Was bedeutet eine öffentliche Daten-URL hinsichtlich der Wiederverwendung?
    • Dass der Datensatz für jeden Zweck frei nutzbar ist
    • Dass jeder Datensatz genau ist
    • Nur dass die Ressource öffentlich zugänglich ist, nicht dass jede Wiederverwendung erlaubt ist
    • Dass Einwilligungs- und Aufbewahrungsvorschriften nicht gelten
  8. Warum kann ein Label ein unvollkommener Proxy sein?
    • Es kann einen aufgezeichneten Prozess messen, anstatt das reale Ergebnis von Interesse
    • Labels stimmen immer mit Ergebnissen überein
    • Ein Proxy eliminiert Selektionsbias
    • Trainingsdaten enthalten keine Labels