Flex-vs-nichtflex-Methode2

Aufgabe

Algorithmen des statistischen Lernens lassen sich unterteilen hinsichtlich ihrer Flexibilität; es gibt mehr bzw. weniger flexible Algorithmen.

Welche der folgenden Aussagen ist in diesem Zusammenhang korrekt?

Answerlist

• Bei kleiner Stichprobe und großer Zahl an Prädiktoren schneidet eine flexible Methode tendenziell schlechter ab als eine weniger flexible Methode aufgrund von höherem Overfitting.
• Bei kleiner Stichprobe und großer Zahl an Prädiktoren schneidet eine flexible Methode tendenziell besser ab als eine weniger flexible Methode aufgrund von geringerem Overfitting.
• Bei kleiner Stichprobe und großer Zahl an Prädiktoren schneidet eine flexible Methode tendenziell besser ab als eine weniger flexible Methode aufgrund von geringerer Verzerrung.
• Bei kleiner Stichprobe und großer Zahl an Prädiktoren schneidet eine flexible Methode tendenziell schlechter ab als eine weniger flexible Methode aufgrund von höherer Verzerrung.
• Bei kleiner Stichprobe und großer Zahl an Prädiktoren schneidet eine flexible Methode tendenziell schlechter ab als eine weniger flexible Methode aufgrund von höherer Verzerrung und von höherem Overfitting.

Lösung

Answerlist

• Wahr
• Falsch
• Falsch
• Falsch
• Falsch

---

Categories:

• statlearning
• ‘2023’
• schoice