Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ συναρτήσεων απώλειας

Στόχοι πρόβλεψης δοκιμής, τετράγωνα και απόλυτα σφάλματα, διασταυρούμενη εντροπία κλάσεων, χρησιμοποιήσιμα παράγωγα εκπαίδευσης, μονάδες απώλειας και αριθμητικοί μέσοι όροι σφαλμάτων.

Σχετικές διαδρομές οδηγώνΛειτουργίες απώλειας
Ερώτηση 1 του 8

For a prediction task, what does its selected loss quantify against the training target?

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. 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
  2. Ποια συνάρτηση απώλειας χρησιμοποιείται πιο συχνά για εργασίες ταξινόμησης;
    • Μέσο τετράγωνο σφάλμα
    • Μέσο απόλυτο σφάλμα
    • Απώλεια διασταυρούμενης εντροπίας
    • Μόνο απόσταση άρθρωσης
  3. Σε σύγκριση με το μέσο τετραγωνικό σφάλμα, γιατί μπορείτε να επιλέξετε το μέσο απόλυτο σφάλμα;
    • Τετραγωνίζει τα λάθη για να τους τιμωρήσει περισσότερο
    • Είναι πιο ανθεκτικό σε ακραίες τιμές επειδή δεν τετραγωνίζει τα σφάλματα
    • Δεν μπορεί να χρησιμοποιηθεί για παλινδρόμηση
    • Αγνοεί τις αληθινές ετικέτες
  4. 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
  5. 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
  6. Γιατί η ακρίβεια συνήθως δεν χρησιμοποιείται απευθείας ως απώλεια προπόνησης;
    • Δεν είναι διαφοροποιήσιμο, επομένως δεν δίνει χρήσιμη κλίση
    • Είναι πολύ εύκολο να υπολογιστεί
    • Λειτουργεί μόνο για παλινδρόμηση
    • Πάντα ισούται με την απώλεια
  7. 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
  8. 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