Kvíz spojený s průvodcem · Střední úroveň
Změnit kvíz detekce bodů
Porovnejte offline segmentaci, kumulativní monitorování a online detekci Bayesiánských změn, včetně sankcí a limitů interpretace.
Otázka 1 z 8
Které druhy chování série mohou změnit bodové označení?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Které druhy chování série mohou změnit bodové označení?
- Posun střední hodnoty, rozptylu, trendu nebo rozložení
- Pouze změna štítků tříd
- Pouze první pozorování
- Zaručený kauzální zásah
- Co obecně dělá větší trest u cíle penalizované offline segmentace?
- Vynutit změnu při každém pozorování
- Nedoporučujte přidávání dalších segmentů
- Odstraňte všechny náklady segmentu
- Zvyšte počet proměnných modelu
- Co se v průběhu času hromadí CUSUM?
- Pouze jediné největší pozorování v sekvenci
- Počet volných parametrů modelu
- Důkaz odchylky od referenčního procesu
- Klouzavý průměr dosud neshromážděných pozorování
- Které nastavení je zvláště důležité pro chování výstrah CUSUM?
- Pořadí kódování třídy
- Počet shluků
- Metrický jmenovatel
- Kontrolní práh
- Co Bayesian online zjišťování bodu změny aktualizuje?
- Jediná offline segmentace bez nejistoty
- Rozdělení pravděpodobnosti na délky běhu od změny
- Štítky tříd cíle
- Pouze sezónní období modelu
- Proč zjištěná změna sama o sobě není vysvětlením?
- Algoritmus vždy vydává kauzální proměnnou
- Body změny nikdy neodpovídají skutečným událostem
- Statistický posun může pocházet ze změny procesu, sezónnosti, posunu nebo problémů s daty
- Segmentace nemá žádný časový index
- Jaké riziko může způsobit velmi nízká pokuta za segmentaci?
- Zaručuje méně falešných poplachů
- Udělat každou sérii stacionární
- Odstranění autokorelace konstrukcí
- Nadměrná segmentace náhodného šumu
- Které hodnocení se týká záležitostí pro opakované online sledování?
- Falešné poplachy a zpoždění detekce při opakovaných pohledech
- Pouze jedna p-hodnota v konečném čase
- Zda jsou všechny prostředky segmentu totožné
- Maximální počet prediktorů