Exercise Exam Information Technology II SS 2042: Unsupervised Learning Methods

Das Ziel der linearen Interpolation ist es, fehlende Werte in einem Datensatz durch eine lineare Annäherung basierend auf den vorhandenen Werten zu ersetzen.

Es ist wichtig, Ausreißer zu identifizieren und zu ersetzen, um sicherzustellen, dass sie die Analyseergebnisse nicht verzerren.

Überwachtes Lernen verwendet gelabelte Daten zur Modellbildung, während unüberwachtes Lernen ohne Labels arbeitet und Muster aus den Daten extrahiert.

<p>Nein, ein einzelnes Perzeptron kann keine XOR-Funktion darstellen, da XOR nicht linear separierbar ist.</p> Signup and view all the answers

<p>Der k-Nearest-Neighbor-Algorithmus kann zur Mustererkennung und Klassifikation von Datenpunkten basierend auf deren Nachbarschaft verwendet werden.</p> Signup and view all the answers

<p>Cross-Validation ist eine Technik, bei der der Datensatz in Trainings- und Testsets unterteilt wird, um die Modellleistung zu bewerten und Überanpassung zu vermeiden.</p> Signup and view all the answers

<p>Der 1-Nearest-Neighbor-Algorithmus klassifiziert den neuen Studenten basierend auf dem nächsten Nachbarn aus den vorhandenen Datenpunkten. In diesem Fall würde die Note des neuen Studenten wahrscheinlich als 'A' klassifiziert werden, da der nächste Nachbar die Note 'A' hat.</p> Signup and view all the answers

<p>Der 3-Nearest-Neighbor-Algorithmus klassifiziert den neuen Studenten basierend auf den drei nächsten Nachbarn aus den vorhandenen Datenpunkten. In diesem Fall könnte die Note des Studenten als 'B' klassifiziert werden, da die Mehrheit der drei nächsten Nachbarn die Note 'B' hat.</p> Signup and view all the answers

<p>Bei der 3-fold Cross-Validation wird der Datensatz in drei Teile aufgeteilt und abwechselnd als Test- und Trainingsdaten verwendet. Die cross-validierte Genauigkeit für das gegebene Beispiel aus Tabelle 4.1 beträgt wahrscheinlich 66,67%.</p> Signup and view all the answers

<p>Die Übertragungsfunktion für das Neuronale Netz kann als Summe der gewichteten Eingaben beschrieben werden, wobei die nicht eingezeichneten Verbindungen als 0 gewertet werden.</p> Signup and view all the answers

<p>[y1 y2] = [1.8 0.9]</p> Signup and view all the answers

<p>Der Ausgangsvektor zeigt die Klassifizierung des Eingangsvektors durch das Neuronale Netz an.</p> Signup and view all the answers

<ol> <li>Partitionierende Verfahren (Vorteil: Einfachheit, Nachteil: Empfindlich auf Anfangsbedingungen) 2. Hierarchische Verfahren (Vorteil: Interpretierbarkeit, Nachteil: Berechnungsaufwand) 3. Dichtebasierte Verfahren (Vorteil: Erkennung beliebig geformter Cluster, Nachteil: Anfällig für Rauschen) 4. Modellbasierte Verfahren (Vorteil: Flexibilität, Nachteil: Wahl des Modells)</li> </ol> Signup and view all the answers

<p>Vorteile des unüberwachten Lernens: 1. Entdeckung von Strukturen in Daten 2. Keine Notwendigkeit für gelabelte Daten. Nachteile: 1. Subjektivität in der Interpretation der Ergebnisse 2. Schwierigkeiten bei der Validierung. Vorteile des überwachten Lernens: 1. Präzise Vorhersagen 2. Validierung durch gelabelte Daten. Nachteile: 1. Abhängigkeit von qualitativ hochwertigen gelabelten Daten 2. Schwierigkeiten bei unbekannten Klassen.</p> Signup and view all the answers

<p>Für jeden Datensatz wird eine spezifische Clustering-Methode benötigt, z.B. K-Means, DBSCAN, Hierarchisches Clustering. Die Hyperparameter variieren je nach Methode, z.B. Anzahl der Cluster bei K-Means, epsilon bei DBSCAN, etc.</p> Signup and view all the answers