Feature-Engineering-Quiz

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

1. Welche Arbeit umfasst das Feature-Engineering vor dem Modelltraining?
   • Auswahl der schnellsten GPU für das Training
   • Schreiben der Verlustfunktion des Modells
   • Umwandlung von Rohdaten in informative Eingaben, aus denen ein Modell lernen kann
   • Bereitstellen eines Modells für die Produktion
2. Warum sollte ein vorgeschlagenes, entwickeltes Feature mit dem gewählten Modell und der gewählten Aufgabe bewertet werden?
   • Every extra feature guarantees higher accuracy
   • Its usefulness depends on what it represents and how the model uses it
   • Input representation never affects predictions
   • Changing features always matters more than every algorithm choice
3. Ein Feature verwendet ein Ergebnis, das erst aufgezeichnet wird, nachdem die Vorhersage benötigt wird. Welches Feature-Engineering-Problem veranschaulicht dies?
   • A necessary improvement in causal identification
   • A harmless change to a file extension
   • A requirement to use more graphics hardware
   • Prediction-time information leakage
4. Welche Daten sollten den Mittelwert und die Skalierung liefern, wenn ein Standardisierungsschritt für eine Train-and-Held-out-Bewertung angepasst wird?
   • The training data, with those fitted statistics reused on held-out inputs
   • The test data only
   • All data after examining final test outcomes
   • A different refit on every evaluation example
5. Welche davon ist eine typische Feature-Engineering-Technik für kategoriale Daten?
   • Erhöhung der Lernrate
   • One-Hot- oder Target-Kodierung
   • Weitere GPUs hinzufügen
   • Mischen der Dateinamen
6. With OneHotEncoder configured as handle_unknown ignore and no dropped category, how is an unseen category represented for its feature?
   • An extra indicator column created automatically for that new category
   • An immediate error regardless of the stated ignore setting
   • All zeros in the indicator columns for that feature
   • The outcome target value copied into the indicator columns
7. Why can extreme numeric observations affect a StandardScaler transformation?
   • Its estimated mean and variance are sensitive to outliers
   • It uses medians and interquartile ranges instead of means and variances
   • It ranks observations without using their numeric magnitudes
   • It clips every value to fitted quantiles before estimating scale
8. In a stated degree-two interaction feature x1 times x2, what is its value for x1 three and x2 four?
   • Sieben
   • Eins
   • Twenty-five
   • Zwölf