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