Wissensbeurteilung

Abgeschlossen

Überprüfen Sie Ihr Wissen

1.

Welchen Vorteil bietet die Normalisierung von Daten?

Schnellere Trainingszeiten

Genaueres Entfernen von fehlenden Werten

Identifizierung von bevorzugten Algorithmen für das Training

2.

Ein Modell, das Sie trainieren, funktioniert gut bei Ihrem Trainingssatz, aber schlecht bei Ihrem Testsatz. Was ist wahrscheinlich der Grund dafür?

Es ist zu einer Unteranpassung gekommen, und Ihr Modell ist nicht genau genug. Sie sollten das Training fortsetzen.

Es ist zu einer Überanpassung gekommen, und Ihr Modell schneidet bei neuen Daten außerhalb des Trainings nicht gut ab. Sie könnten das Training früher beenden oder vielfältigere Daten sammeln.

Ihr Modell ist in Ordnung. Sie müssen stattdessen Ihre Trainingsdaten verwenden, um das Modell zu testen.

3.

Ihr Modell soll in einer anspruchsvollen Anwendung eingesetzt werden, die eine besonders zuverlässige Leistung erfordert. Welche Methode ist geeignet, um die Zuverlässigkeit Ihres Modells in schwierigen Situationen zu testen?

Erstellen eines größeren Trainingsatzes

Verwenden Sie den Holdout-Ansatz, und erstellen Sie ein drittes, spezielles Dataset mit Beispielen, bei denen die Modellausgabe bestimmte Leistungsschwellenwerte erfüllen muss.

Behalten Sie beim Training Ihre Kosten genau im Blick. Wenn Sie eine Schwankung feststellen, können Sie das Training abbrechen.

Sie müssen alle Fragen beantworten, bevor Sie Ihre Arbeit überprüfen können.