Kvíz spojený s průvodcem · Střední úroveň
Kvíz ztrátových funkcí
Cíle predikce testu, čtvercové a absolutní chyby, křížová entropie tříd, použitelné trénovací derivace, jednotky ztrát a numerické průměry chyb.
Otázka 1 z 8
For a prediction task, what does its selected loss quantify against the training target?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- For a prediction task, what does its selected loss quantify against the training target?
- A specified prediction-error objective
- Only runtime speed
- Only the number of network layers
- Every application benefit automatically
- Která ztrátová funkce se nejčastěji používá pro klasifikační úlohy?
- Střední kvadratická chyba
- Průměrná absolutní chyba
- Ztráta křížové entropie
- Pouze vzdálenost závěsů
- Proč byste si ve srovnání se střední kvadraturou chyby mohli vybrat střední absolutní chybu?
- Vyrovnává chyby, aby je více potrestal
- Je odolnější vůči odlehlým hodnotám, protože nevyrovnává chyby
- Nelze jej použít pro regresi
- Ignoruje skutečné štítky
- Why does gradient-based training need a usable loss derivative or suitable substitute?
- So a loss number can be printed
- So all learning methods become identical
- So the dataset no longer needs targets
- So backpropagation and optimization can obtain an update signal
- How does one-hot class cross-entropy change as probability assigned to the target class becomes very small?
- Its loss must become zero
- It rewards the prediction increasingly
- Its loss becomes large
- It becomes identical to accuracy
- Proč se přesnost obvykle nepoužívá přímo jako tréninková ztráta?
- Není diferencovatelná, takže nedává žádný užitečný gradient
- Je příliš snadné to spočítat
- Funguje pouze pro regresi
- Stejně se to vždy rovná ztrátě
- For illustrative regression residuals one and three, what are mean squared error and mean absolute error?
- MSE is two and MAE is five
- Both are four
- MSE is ten and MAE is four
- MSE is five and MAE is two
- Using a base-two logarithm, what one-hot cross-entropy loss corresponds to target-class probability one-quarter?
- One-quarter bit
- Two bits
- Four bits
- Zero bits