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.

Související vodicí cestyJeden vs odpočinek a jeden vs jeden
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.

  1. U klasifikačního problému se 6 třídami, kolik binárních klasifikátorů trénuje strategie jedna vs.
    • 15
    • 6
    • 30
    • 36
  2. U stejného 6třídního problému, kolik klasifikátorů trénuje jedna vs jedna?
    • 6
    • 12
    • 21
    • 15
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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