Kvíz spojený s průvodcem · Střední úroveň
Kvíz o strategiích jeden vs. odpočinek a jeden vs
Testuje počty klasifikátorů OvR a OvO, porovnávání skóre a hlasování a navíc, když párové modely vyhovují metodám jádra s nákladnými fity.
Otázka 1 z 8
U klasifikačního problému se 6 třídami, kolik binárních klasifikátorů trénuje strategie jedna vs.
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- U klasifikačního problému se 6 třídami, kolik binárních klasifikátorů trénuje strategie jedna vs.
- 15
- 6
- 30
- 36
- U stejného 6třídního problému, kolik klasifikátorů trénuje jedna vs jedna?
- 6
- 12
- 21
- 15
- Jak se v případě jednoho vs. odpočinku vybere konečná předpokládaná třída mezi K trénovanými klasifikátory?
- Klasifikátor s nejvyšším skóre spolehlivosti
- Většina hlasů mezi všemi klasifikátory
- První klasifikátor, který vrací kladnou hodnotu
- Náhodný výběr mezi pozitivy
- Jak se určí konečná předpokládaná třída ve hře jedna vs.
- Vyhrává párový klasifikátor natrénovaný na nejvíce dat
- Použije se pouze výstup prvního párového klasifikátoru
- Každý párový klasifikátor udělí jeden hlas a třída s největším počtem hlasů vyhrává
- Třídy jsou seřazeny podle velikosti tréninkové sady
- Proč je OvO tradičně výchozí vícetřídní strategií pro vektorové stroje s podporou jádra?
- Protože vždy poskytuje vyšší přesnost než OvR
- Protože každý párový klasifikátor trénuje na menší podmnožině dat, kompenzace má více klasifikátorů
- Protože to nikdy nevyžaduje kalibraci pravděpodobnosti
- Protože OvR nelze implementovat matematicky pro SVM
- Jaký problém může nastat konkrétně v OvR při porovnávání skóre napříč K nezávisle vyškolenými klasifikátory?
- Skóre je mezi klasifikátory vždy stejné
- Klasifikátory nemohou vydat žádnou míru spolehlivosti
- OvR nemůže vytvářet vazby
- Hrubé skóre nemusí být na srovnatelné škále, protože každý klasifikátor byl vyškolen samostatně
- Které algoritmy jsou popsány jako nativně zpracovávající více tříd, aniž by potřebovaly obaly OvR nebo OvO?
- Neuronové sítě a stromy zesílené gradientem pomocí softmax nebo multinomiálních cílů
- Základní podpůrné vektorové stroje
- Standardní logistické regresní řešiče omezené na binární výstup
- Žádný ze zmíněných algoritmů nezpracovává multitřídy nativně
- Vzácná kategorie je modelována proti všem ostatním příkladům v OvR. Jaký vzor trénovacích dat může ztížit přizpůsobení klasifikátoru?
- Každý klasifikátor nevidí žádné negativní příklady
- Každý klasifikátor vyžaduje samostatnou testovací sadu
- Tréninková sada každého klasifikátora může být velmi nevyvážená, protože staví jednu třídu proti všem ostatním dohromady
- Klasifikátory OvR nelze trénovat paralelně