Du befindest dich hier: FSI Informatik » Prüfungsfragen und Altklausuren » Nebenfächer » Aufgabe 1   (Übersicht)

Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen der Seite angezeigt.

Link zu der Vergleichsansicht

Beide Seiten, vorherige ÜberarbeitungVorherige Überarbeitung
Nächste Überarbeitung		Vorherige Überarbeitung
pruefungen:nebenfach:medmining_aug2017 [03.08.2017 17:15] – Hoschipruefungen:nebenfach:medmining_aug2017 [09.08.2017 06:46] (aktuell) – Hoschi
Zeile 1: Zeile 1:
 Die Abbildungen sind lediglich grob den Originalen aus der Klausur nachempfunden. Die Aufgabenstellungen waren in der Klausur ähnlich ausschweifend wie in den Übungsblättern und sind hier gekürzt. Die Abbildungen sind lediglich grob den Originalen aus der Klausur nachempfunden. Die Aufgabenstellungen waren in der Klausur ähnlich ausschweifend wie in den Übungsblättern und sind hier gekürzt.
  
-====== Aufgabe 1 ======+==== Aufgabe 1 ====
 Die Definition von Data Mining befasst sich mit „Interessantheit“ von Daten. Welche Eigenschaften machen „Interessantheit“ aus? Die Definition von Data Mining befasst sich mit „Interessantheit“ von Daten. Welche Eigenschaften machen „Interessantheit“ aus?
  
-====== Aufgabe 2 ======+==== Aufgabe 2 ====
 Beschreiben Sie kurz die Funktion folgender R-Funktionen. Beschreiben Sie kurz die Funktion folgender R-Funktionen.
   * ''abline''   * ''abline''
Zeile 15: Zeile 15:
   * ''table''   * ''table''
  
-====== Aufgabe 3 ====== +==== Aufgabe 3 ==== 
-In welche Anzahl von Gruppen sollten diese Fälle unterteilt werden? Entscheiden Sie aufgrund des folgenden Dendrogramms und geben Sie für jede Gruppe die zugehörigen Fälle an. Hier wurde ein agglomeratives Verfahren mit complete-linkage gewählt. Was bedeuten diese zwei Begriffe?+In welche Anzahl von Gruppen sollten diese Fälle unterteilt werden? Entscheiden Sie aufgrund des folgenden Dendrogramms und geben Sie für jede Gruppe die zugehörigen Fälle an. Hier wurde ein __agglomeratives__ Verfahren mit __complete-linkage__ gewählt. Was bedeuten diese zwei Begriffe? 
 {{:pruefungen:nebenfach:data_mining_dendrogramm_ss17.png?nolink&300|}} {{:pruefungen:nebenfach:data_mining_dendrogramm_ss17.png?nolink&300|}}
  
-====== Aufgabe 4 ======+==== Aufgabe 4 ====
 Welches Problem ergibt sich, wenn man die Funktion „lm“ auf den folgenden Daten ausführt? Welches alternative Vorhersagemodell eignet sich hier besser? Wie lautet die entsprechende R-Funktion? Welches Problem ergibt sich, wenn man die Funktion „lm“ auf den folgenden Daten ausführt? Welches alternative Vorhersagemodell eignet sich hier besser? Wie lautet die entsprechende R-Funktion?
 +
 {{:pruefungen:nebenfach:data_mining_r_daten_ausschnitt.png?nolink&300|}} {{:pruefungen:nebenfach:data_mining_r_daten_ausschnitt.png?nolink&300|}}
  
-====== Aufgabe 5 ======+==== Aufgabe 5 ====
 Bennen Sie die folgenden Diagramme!  Bennen Sie die folgenden Diagramme! 
 Diese Diagramme stellen entweder kategorische __oder__ metrische Merkmale und einzelne __oder__ mehrere Merkmale dar. Tragen sie für jeden Diagrammtyp die passenden Eigenschaften für die Merkmale ein. Diese Diagramme stellen entweder kategorische __oder__ metrische Merkmale und einzelne __oder__ mehrere Merkmale dar. Tragen sie für jeden Diagrammtyp die passenden Eigenschaften für die Merkmale ein.
 +
 {{:pruefungen:nebenfach:data_mining_diagrams.png?nolink|}} {{:pruefungen:nebenfach:data_mining_diagrams.png?nolink|}}
  
-====== Aufgabe 6 ======+==== Aufgabe 6 ====
 Manche Prädiktionsmodelle liefern Ereigniswahrscheinlichkeiten. Mithilfe von __Kalibrierung__ und __Trennung__ lassen sich diese Eintrittswahrscheinlichkeiten bewerten. Geben Sie jeweils die Definition und ein Beispiel für einen Test oder eine Grafik dafür an. Manche Prädiktionsmodelle liefern Ereigniswahrscheinlichkeiten. Mithilfe von __Kalibrierung__ und __Trennung__ lassen sich diese Eintrittswahrscheinlichkeiten bewerten. Geben Sie jeweils die Definition und ein Beispiel für einen Test oder eine Grafik dafür an.
  
-====== Aufgabe 7 ======+==== Aufgabe 7 ====
 Erklären Sie (ggf. anhand einer Zeichnung) wie die Fakten und Dimensionen des Star-Schemas in einem Datawarehouse aufgebaut sind. Erklären Sie (ggf. anhand einer Zeichnung) wie die Fakten und Dimensionen des Star-Schemas in einem Datawarehouse aufgebaut sind.
  
-====== Aufgabe 8 ======+==== Aufgabe 8 ====
 Wie kann Bootstrapping in Verbindung mit einem Prädiktionsmodell genutzt werden? Welche Vorteile und welche Nachteile entstehen hierbei? Wie kann Bootstrapping in Verbindung mit einem Prädiktionsmodell genutzt werden? Welche Vorteile und welche Nachteile entstehen hierbei?
  
-====== Aufgabe 9 ======+==== Aufgabe 9 ====
 Berechnen Sie Sensitivität und Spezifität.  Berechnen Sie Sensitivität und Spezifität. 
  
 {{:pruefungen:nebenfach:data_mining_table1.png?nolink&300|}} {{:pruefungen:nebenfach:data_mining_table1.png?nolink&300|}}
  
-====== Aufgabe 10 ======+==== Aufgabe 10 ====
 Berechnen sie jeweils ein Häufigkeitsmaß und Assoziationsmaß. Schützt nach diesen Erkenntnissen die Einnahme des Präparats vor einem erneuten Herzinfarkt? Berechnen sie jeweils ein Häufigkeitsmaß und Assoziationsmaß. Schützt nach diesen Erkenntnissen die Einnahme des Präparats vor einem erneuten Herzinfarkt?
  
 {{:pruefungen:nebenfach:data_mining_diagram2.png?nolink&300|}} {{:pruefungen:nebenfach:data_mining_diagram2.png?nolink&300|}}
  
-====== Aufgabe 11 ======+==== Aufgabe 11 ====
 Beim mittleren Arteriellen Druck werden auch Schwankungen miteinberechnet. Welche statistischen oder grafischen Verfahren gibt es, die jeweils kurzfristige Schwankungen und Dauer eines zu niedrigen Blutdrucks feststellen? Beim mittleren Arteriellen Druck werden auch Schwankungen miteinberechnet. Welche statistischen oder grafischen Verfahren gibt es, die jeweils kurzfristige Schwankungen und Dauer eines zu niedrigen Blutdrucks feststellen?