ds-quiz

Aufgabe

Im Folgenden sind mehrere Aussagen zum Thema maschinelles Lernen dargestellt. Wählen Sie alle korrekten Aussagen aus!

Hinweise:

• Alle Aussagen sind entweder richtig oder falsch, aber nicht beides.
• Beziehen Sie sich im Zweifel auf den Stoff wie im Unterricht dargestellt.

Answerlist

• Decision Trees (Baummodelle) sind Overfitting (Überanpassung) mehr ausgesetzt als lineare Modelle.
• Ein Resampling-Schema mit \(v=10\) Faltungen und \(r=5\) Wiederholungen ist identisch zu einem Schema mit \(v=50\) Faltungen und \(r=1\) Wiederholungen.
• “Normale” (nicht regularisierte) lineare Modelle sind besser interpretierbar als L1-regularisierte lineare Modelle.
• “Normale” lineare Modelle verfügen nicht über Tuningparameter.
• Je größer die Anzahl der Bäume in einem Random Forest, desto größer die Gefahr des Overfittings.

Lösung

Answerlist

• Richtig. Decision Trees neigen zum Overfitting, sie sind sehr flexibel und haben daher viel Varianz in ihren Entscheidungen.
• Falsch. Bei 10 Faltungen beinhaltet das Test-Sample 1/10 der Beobachtungen und entsprechend bei 50 Faltungen nur 1/50 der Beobachtungen. Außerdem erreicht man durch die Wiederholungen eine robustere (präzisere) Schätzung der Vorhersagegüte.
• Falsch. Durch die L1-Regularisierung (Lasso) werden (oft) Prädiktoren entfernt (ihr Gewicht auf Null gesetzt), so dass das resultierende Modell einfacher und damit auch einfacher interpretierbarer ist.
• Richtig.
• Falsch. Normalerweise steigt die Modellgüte mit der Anzahl der Bäume bis zu einem Sättigungsniveau, ab welchem zusätzliche Bäume die Vorhersagegüte nicht mehr beeinflussen (allerdings die Rechenzeit schon).

---

Categories:

• ds1
• tidymodels
• statlearning
• mchoice