CV1

statlearning

2023

schoice

Published

May 17, 2023

Aufgabe

Kreuzvalidierung (CV) ist ein gängiges Verfahren, um die Vorhersagegüte in einem Testdatensatz einzuschätzen und um Parameterwerte (Tuningparameter) auszuwählen. Welche der folgenden Aussagen zur Kreuzvalidierung ist richtig?

Answerlist

Bei der Kreuzvalidierung können unterschiedliche Fehlerwerte (z.B. \(MSE\)) resultieren in Abhängigkeit von der (zufälligen) Aufteilung in die jeweiligen Train- und Validierungsstichprobe.
Bei der Anzahl der Faltungen (folds) sollte stets \(k=10\) gewählt werden.
Bei der Anzahl der Faltungen (folds) sollte stets \(k=5\) gewählt werden.
Die \(k\)-fache Kreuzvalidierung ist rechenintensiver als die LOOCV-Methode.
Die wiederholte \(k\)-fache Kreuzvalidierung erhöht die Gefahr des Overfittings und sollte daher vermieden werden.

Lösung

Answerlist

Wahr
Falsch
Falsch
Falsch
Falsch

Categories:

statlearning
‘2023’
schoice

---
exname: cv1
extype: schoice
exsolution: 10000
exshuffle: yes
expoints: 1
categories:
- statlearning
- '2023'
- schoice
date: '2023-05-17'
slug: CV1
title: CV1

---




```{r global-knitr-options, include=FALSE}
knitr::opts_chunk$set(fig.pos = 'H',
                      fig.asp = 0.618,
                      fig.width = 4,
                      fig.cap = "", 
                      fig.path = "",
                      echo = FALSE,
                      message = FALSE,
                      fig.show = "hold")
```






# Aufgabe

Kreuzvalidierung (CV) ist ein gängiges Verfahren, um die Vorhersagegüte in einem Testdatensatz einzuschätzen und um Parameterwerte (Tuningparameter) auszuwählen. Welche der folgenden Aussagen zur Kreuzvalidierung ist richtig?






Answerlist
----------
* Bei der Kreuzvalidierung können unterschiedliche Fehlerwerte (z.B. $MSE$) resultieren in Abhängigkeit von der (zufälligen) Aufteilung in die jeweiligen Train- und Validierungsstichprobe.
* Bei der Anzahl der Faltungen (folds) sollte stets $k=10$ gewählt werden.
* Bei der Anzahl der Faltungen (folds) sollte stets $k=5$ gewählt werden.
* Die $k$-fache Kreuzvalidierung ist rechenintensiver als die LOOCV-Methode.
* Die wiederholte $k$-fache Kreuzvalidierung erhöht die Gefahr des Overfittings und sollte daher vermieden werden.



</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>
</br>

# Lösung


Answerlist
----------


* Wahr
* Falsch
* Falsch
* Falsch
* Falsch





---

Categories: 

- statlearning
- '2023'
- schoice