A) Eine Art von Software, die zum Spielen von Videospielen verwendet wird. B) Eine Programmiersprache, die für den Entwurf von Computerchips verwendet wird. C) Ein Verfahren zur Steuerung physikalischer Maschinen durch menschliche Eingaben. D) Ein Zweig der künstlichen Intelligenz, der es Maschinen ermöglicht, aus Daten zu lernen.
A) Klassifizierung B) Lineare Regression C) Clustering D) Entscheidungsbäume
A) Direkte Umwandlung der Eingabe in die Ausgabe. B) Einführung der Nichtlinearität in das Netz. C) Speichern von Informationen zur späteren Verwendung. D) Training des Netzes mit Backpropagation.
A) SVM B) K-Means C) Zufälliger Wald D) Q-Learning
A) Naive Bayes B) Gradienter Abstieg C) Hauptkomponentenanalyse (PCA) D) Entscheidungsbäume
A) Quantifiziert die Differenz zwischen prognostizierten und tatsächlichen Werten. B) Normalisiert die Daten vor dem Training. C) Optimiert das Modell durch Backpropagation. D) Wählt die besten Merkmale für das Modell aus.
A) Training eines Modells ohne Daten. B) Der Prozess der Auswahl und Umwandlung von Eingangsmerkmalen zur Verbesserung der Modellleistung. C) Regulierung des Modells, um eine Überanpassung zu verhindern. D) Evaluierung des Modells durch Kreuzvalidierung.
A) Zur Trennung verschiedener Klassen im Eingaberaum. B) Zur Kontrolle der Lernrate des Modells. C) Minimierung der Verlustfunktion während des Trainings. D) Um den Daten Rauschen hinzuzufügen.
A) Der Kompromiss zwischen Genauigkeit und Präzision. B) Der Kompromiss zwischen Underfitting und Overfitting. C) Das Gleichgewicht zwischen Trainingszeit und Modellleistung. D) Das Gleichgewicht zwischen Modellkomplexität und Verallgemeinerbarkeit.
A) Lineare Regression B) K-Mittelwert-Clustering C) Support-Vektor-Maschine (SVM) D) Hauptkomponentenanalyse (PCA)
A) Überprüfung der rechnerischen Komplexität B) Nur Trainingsdaten verwenden C) Kreuzvalidierung D) Raten
A) Duplizieren der Daten B) Ignorieren der fehlenden Daten C) Anrechnung D) Hinzufügen von Rauschen zu den Daten
A) Mittlerer quadratischer Fehler B) Genauigkeit C) Mittlerer absoluter Fehler D) R-Quadrat
A) Training des Modells mit mehr Daten B) Erhöhung der Komplexität des Modells C) Regularisierung D) Entfernen von Schlüsselmerkmalen
A) Rückwärtspropagation B) Zufällige Initialisierung C) Stapel-Normalisierung D) Vorzeitiges Aufhören
A) Rastersuche B) Fokussierung auf einen einzigen Hyperparameter C) Ignorieren von Hyperparametern D) Zufällige Auswahl von Hyperparametern
A) Hauptkomponentenanalyse B) Entscheidungsbaum C) K-Mittelwert-Clustering D) Lineare Regression
A) Mittlerer quadratischer Fehler (MSE) B) Log-Verlust C) Mittlerer quadratischer Wurzelfehler (RMSE) D) Kreuzentropie
A) Clustering B) Regression C) Reduzierung der Dimensionalität D) Klassifizierung
A) PCA (Hauptkomponentenanalyse) B) SMOTE (Synthetic Minority Over-sampling Technique) C) K-Nächste Nachbarn (KNN) D) AdaBoost
A) SVM (Support-Vektor-Maschine) B) K-Mittelwert-Clustering C) Isolation Wald D) Naive Bayes
A) Merkmal Skalierung B) Stapel-Normalisierung C) Aussteiger D) Gradienter Abstieg |