Machine Learning / AI

Was ist der Unterschied zwischen L1- und L2-Regularisierung in linearen Modellen?

Wie komplex ist die analytische Lösung der linearen Regression und wann ist sie instabil?

Erklären Sie den Unterschied zwischen einem Entscheidungsbaum und einem Random Forest.

Was ist PCA (Hauptkomponentenmethode)?

Was ist das Gini-Kriterium und wie wird es beim Aufbau von Entscheidungsbäumen verwendet?

Was passiert, wenn die Klassifikationsschwelle zu niedrig ist?

Bei einer unausgewogenen Stichprobe beträgt die Recall des Modells 100% und die Präzision 1%. Was ist passiert?

Können Sie erklären, wie genau der F1-Score anhand von Precision und Recall berechnet wird?

Beschreiben Sie, wie die Support Vector Machine (SVM) funktioniert und wie sie mit linearen Modellen verbunden ist.

Welche Verlustfunktion wird in der linearen Regression verwendet?

Wie beeinflusst die Tiefe des Baumes die Qualität des Modells und seine Generalisierungsfähigkeit?

Was ist die ROC-Kurve und wie wird sie zur Bewertung von Klassifikatoren verwendet?

Wie kann die Leistung eines linearen Modells bei der Arbeit mit kategorialen Merkmalen verbessert werden?

Warum Merkmale skalieren und welche Skalierungsmethoden gibt es?

Können Sie genauer erklären, was Precision und Recall sind und wie sie mit dem F1-Score zusammenhängen?

Können Sie erklären, wie genau der Gini-Koeffizient berechnet wird und wie er die Wahl der Aufteilung in einem Entscheidungsbaum beeinflusst?

Was sind die Unterschiede zwischen XGBoost, LightGBM und CatBoost?

Was sind Recall und Precision?

Wie hilft die Metrik F1-Score bei Aufgaben mit unausgeglichenen Klassen?

Warum kann man bei einem Modell mit ROC-AUC 0,2 einen ROC-AUC von 0,8 erzielen?