Arbeiten mit numerischen Daten: Testen Sie Ihr Wissen

1. Welche der folgenden Techniken ist keine Form von Feature Engineering?

   Gruppieren

   Hyperparameter-Abstimmung

   Bucketing

   Wird normalisiert

2. Sie trainieren ein Modell mit Daten zur Gesundheit von Säuglingen. Eines Ihrer Funktionen ist birth_weight. Sie möchten diese birth_weight-Werte normalisieren, um das Modell effizienter zu trainieren. Welche der folgenden Normalisierungsmethoden ist wahrscheinlich die beste Wahl?

   Abschneiden

   Lineare Skalierung

   Logskalierung

   Z-Score-Skalierung

3. Richtig oder falsch: Gruppieren ist eine Technik zur Umwandlung kategorialer Daten in numerische Daten.

   Wahr

   Falsch

4. Ihre Trainingsdaten für ein Schuhempfehlungsmodell enthalten die Funktion shoe_size, die Werte zwischen 6 und 16 enthalten sollte. Die folgende Tabelle zeigt die shoe_size-Werte für sechs Beispiele im Dataset:

   Beispiel	shoe_size
   1	8.5
   2	9
   3	–
   4	105
   5	11
   6	9

   Bei welchen Beispielen sollten Sie vor dem Training das Scrubbing aus dem Dataset in Betracht ziehen? Wählen Sie alle zutreffenden Antworten aus.

   Wählen Sie so viele Antworten, wie Sie für richtig halten.

   Beispiel 1

   Entweder Beispiel 2 oder Beispiel 6

   Beispiel 3

   Beispiel 4

   Beispiel 5

5. Ergänzen Sie den folgenden Satz:
   Beim Feature Engineering können synthetische Features für ___ erstellt werden.

   Fehlende Featurewerte ersetzen

   Von Menschen gekennzeichnete Daten durch Daten mit maschinellen Labels ergänzen

   Nicht lineare Beziehungen zwischen zwei Elementen modellieren

   Modell vorab trainieren

Antworten senden