আধা-তত্ত্বাবধানে শেখার কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. আধা-তত্ত্বাবধানে শিক্ষা এমন পরিস্থিতিতে ডিজাইন করা হয়েছে যেখানে:
   • প্রতিটি উদাহরণ সম্পূর্ণরূপে লেবেল করা হয়
   • আপনার কাছে কোনো ডেটা নেই
   • লেবেলগুলি প্রাপ্ত করার জন্য অসীম সস্তা
   • আপনার কাছে সামান্য লেবেলযুক্ত ডেটা এবং প্রচুর লেবেলবিহীন ডেটা রয়েছে
2. How does self-training use selected predictions on unlabeled examples?
   • It treats selected model guesses as pseudo-labels for further fitting
   • It converts every guess into a verified human annotation
   • It permanently removes the original labeled examples by definition
   • It chooses labels only from alphabetical order
3. Under consistency regularization, what agreement is encouraged across chosen class-preserving augmentations?
   • A requirement that every arbitrary edit preserve the class
   • Opposite predictions for every view of an example
   • Agreement in the model's predictions
   • Removal of every unlabeled input from the loss
4. What does a cluster assumption propose for grouped observations in a semi-supervised method?
   • Every possible cluster must contain every class equally
   • They are likely to share a label under the assumed data structure
   • All semi-supervised methods guarantee identical clusters
   • Labels are determined by filename order
5. কিভাবে FixMatch দুটি প্রধান ধারণা একত্রিত করে?
   • এটি একটি দুর্বলভাবে বর্ধিত ইনপুটকে ছদ্ম-লেবেল করে, তারপরে দৃঢ়ভাবে বর্ধিত সংস্করণটিকে ম্যাচ করার জন্য প্রশিক্ষণ দেয়
   • এটি শুধুমাত্র লেবেলযুক্ত ডেটা ব্যবহার করে এবং অন্য সবকিছু উপেক্ষা করে
   • এটি সম্পূর্ণরূপে বৃদ্ধি মুছে দেয়
   • এটি এলোমেলোভাবে লেবেল বরাদ্দ করে
6. How can confirmation bias arise during pseudo-label training?
   • Only low-confidence labels can ever be wrong
   • Every selected prediction becomes a verified fact
   • Using any verified label prevents the model from learning
   • Incorrect model-generated labels are accepted and then reinforced
7. Which structure distinguishes graph-based label propagation from repeatedly selecting a classifier's confident guesses?
   • Only a threshold on independently predicted class probabilities
   • A similarity graph over labeled and unlabeled observations
   • A list of random output labels with no input similarities
   • A requirement to discard every relationship between observations
8. In the stated scikit-learn semi-supervised interface, which integer marks an unlabeled target entry?
   • Zero, necessarily the first actual class label
   • One, necessarily the second actual class label
   • Minus one
   • Fifty, interpreted as a percentage-confidence threshold