গাইড লিঙ্ক ক্যুইজ · কঠিন স্তর
নেস্টেড ক্রস-ভ্যালিডেশন কুইজ
একটি ব্যবহারিক নেস্টেড ক্রস-ভ্যালিডেশন ওয়ার্কফ্লোতে অভ্যন্তরীণ এবং বাইরের ভাঁজ ভূমিকা, প্রিপ্রসেসিং লিকেজ এবং ফিট-কাউন্ট গণনা পরীক্ষা করুন।
প্রশ্ন 1 এর 8
একটি বাইরের বিভাজনের মধ্যে, ভিতরের হাইপারপ্যারামিটার অনুসন্ধান কোন ডেটা ব্যবহার করতে পারে?
প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন
আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।
- একটি বাইরের বিভাজনের মধ্যে, ভিতরের হাইপারপ্যারামিটার অনুসন্ধান কোন ডেটা ব্যবহার করতে পারে?
- বাইরের পরীক্ষার ভাঁজ সহ সমস্ত উদাহরণ
- শুধুমাত্র বাইরের প্রশিক্ষণ তথ্য
- শুধুমাত্র বাইরের পরীক্ষা লেবেল
- বিশ্বব্যাপী প্রিপ্রসেসিং ফিট করার পরে সম্পূর্ণ ডেটাসেট
- কেন রিপোর্টিং সেরা অভ্যন্তরীণ বৈধতা স্কোর overstate মডেল পারফরম্যান্স করতে পারেন?
- অভ্যন্তরীণ ক্রস-ভ্যালিডেশন প্রতিটি প্রার্থীকে তার নিজস্ব প্রশিক্ষণের সারিতে মূল্যায়ন করে
- ভাঁজ জুড়ে গড় প্রার্থীর র্যাঙ্কিং থেকে সমস্ত অনিশ্চয়তা দূর করে
- সেরা অভ্যন্তরীণ স্কোর ইতিমধ্যে একটি স্বাধীন বাইরের মূল্যায়ন অন্তর্ভুক্ত
- সর্বোত্তম সেটিং নির্বাচন করা বৈধতা স্কোরের অনুকূল পরিবর্তনও নির্বাচন করে
- পাঁচটি বাইরের ভাঁজ, তিনটি অভ্যন্তরীণ ভাঁজ এবং দশটি প্রার্থীর সেটিংসের জন্য কতজন অভ্যন্তরীণ প্রার্থী গাইডের উদাহরণে ফিট করে?
- 150
- 18
- 50
- 30
- নেস্টেড ক্রস-ভ্যালিডেশন শুরু হওয়ার আগে সম্পূর্ণ ডেটাসেটে একটি স্কেলার লাগানো হয়। কোন সমস্যা থেকে যায়?
- আরও বাইরের ভাঁজ ব্যবহার করা স্বয়ংক্রিয়ভাবে প্রিপ্রসেসিং লিকেজ দূর করে
- তত্ত্বাবধানহীন প্রিপ্রসেসিং মূল্যায়নের সাথে প্রাসঙ্গিক তথ্য ব্যবহার করতে পারে না
- প্রি-প্রসেসিং ইতিমধ্যেই হোল্ড-আউট তথ্য অ্যাক্সেস করেছে
- একটি স্কেলার নিরাপদে পরীক্ষার ইনপুট দেখতে পারে যখনই এটি পরীক্ষার লেবেল দেখতে পায় না
- বিভিন্ন বাইরের ভাঁজ বিভিন্ন হাইপারপ্যারামিটার নির্বাচন করে। এই কিভাবে ব্যাখ্যা করা উচিত?
- এটি প্রমাণ করে যে ক্রস-ভ্যালিডেশন কোডটি ভেঙে গেছে
- এটি ঘটতে পারে কারণ প্রতিটি নির্বাচন ধাপে বিভিন্ন প্রশিক্ষণের ডেটা দেখা যায়
- এর অর্থ হল শুধুমাত্র সর্বোচ্চ স্কোর করা বাইরের মডেলটি বৈধ৷
- এটি প্রশিক্ষণ নির্ভুলতা সঙ্গে বাইরের মূল্যায়ন প্রতিস্থাপন প্রয়োজন
- একটি ডেটাসেটে গ্রাহক প্রতি অনেকগুলি সারি রয়েছে এবং স্থাপনার লক্ষ্য অদেখা গ্রাহকদের। কোন নকশা যে নির্ভরতা ঠিকানা?
- শুধুমাত্র বাইরের লুপে আলাদাভাবে সমস্ত সারি এলোমেলো করুন
- মূল্যায়ন সম্পূর্ণ হলেই গ্রাহকদের গ্রুপ করুন
- বিভক্ত করার আগে বিশ্বব্যাপী বৈশিষ্ট্য নির্বাচক ফিট করুন
- গ্রাহক গোষ্ঠীগুলিকে অভ্যন্তরীণ এবং বাইরের উভয় বিভাজনে আলাদা রাখুন
- একটি নির্দিষ্ট নেস্টেড পদ্ধতির মূল্যায়ন করার পরে, গাইড কীভাবে একটি চূড়ান্ত মডেল পাওয়ার সুপারিশ করে?
- ডেভেলপমেন্ট ডেটার উপর নির্বাচন পদ্ধতি চালান এবং নির্বাচিত কনফিগারেশন ফিট করুন
- সর্বোচ্চ পর্যবেক্ষিত পরীক্ষার স্কোর সহ বাইরের-ভাঁজ মডেলটি স্থাপন করুন
- একক সেরা অভ্যন্তরীণ-ভাঁজ ফলাফল থেকে কনফিগারেশন চয়ন করুন
- সংরক্ষিত পরীক্ষার সেটে প্রার্থীদের তুলনা করে চূড়ান্ত সেটিংস বেছে নিন
- কেন বাইরের-ভাঁজ স্কোরের বিস্তার স্বয়ংক্রিয়ভাবে একটি আত্মবিশ্বাসের ব্যবধান নয়?
- প্রতিটি বাইরের স্কোর একটি সম্পর্কহীন প্রশিক্ষণ সেট থেকে একটি স্বাধীন পরিমাপ
- ভাঁজ স্কোরের কাঁচা মান বিচ্যুতি নিজেই একটি আত্মবিশ্বাসের ব্যবধান
- লাগানো মডেলগুলি তাদের প্রশিক্ষণের বেশিরভাগ ডেটা ভাগ করে নেয়
- গড় ভাঁজ স্কোর সমস্ত নমুনা অনিশ্চয়তা দূর করে