Cuestionario vinculado a una guía · Medio Nivel

Prueba de predicción conforme

Comprueba conjuntos de predicción conformes, intercambiabilidad, puntuaciones de calibración, umbrales cuantiles y los supuestos detrás de la cobertura de muestras finitas.

Rutas de guía relacionadasPredicción conforme
Pregunta 1 de 8

¿Qué genera un método de predicción conforme en lugar de una sola etiqueta?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Qué genera un método de predicción conforme en lugar de una sola etiqueta?
    • Un conjunto o intervalo de predicción con garantía de cobertura.
    • Un modelo reentrenado con mayor precisión
    • Una estimación de un solo punto sin incertidumbre
    • Un valor de pérdida para el conjunto de entrenamiento.
  2. ¿Qué supuesto sustenta la garantía de cobertura conforme estándar?
    • El modelo es una red neuronal.
    • Los puntos de datos son intercambiables.
    • Las características son independientes entre sí.
    • Las etiquetas están perfectamente equilibradas.
  3. ¿Cuál es la función del conjunto de calibración?
    • Para entrenar el modelo subyacente.
    • Para elegir la tasa de aprendizaje
    • Para calcular puntuaciones de no conformidad que establecen el umbral
    • Para eliminar valores atípicos de los datos de entrenamiento
  4. Si establece alfa = 0,1, ¿a qué cobertura se dirige?
    • 10%
    • 50%
    • 99%
    • 90%
  5. ¿Qué sucede normalmente con el conjunto de predicción cuando el modelo tiene mucha incertidumbre acerca de una entrada?
    • El conjunto crece y contiene más etiquetas candidatas.
    • El conjunto queda vacío.
    • El umbral se ignora
    • El modelo se vuelve a entrenar automáticamente.
  6. ¿Por qué la predicción conforme se denomina "libre de distribución"?
    • Sólo funciona con datos gaussianos.
    • No requiere supuestos paramétricos sobre la distribución de datos para su garantía de cobertura.
    • Descarta la distribución de datos por completo.
    • Supone una distribución uniforme
  7. A split-conformal classifier has 99 calibration examples and targets 90% marginal coverage. Which rank is used for the calibration quantile?
    • The 10th ordered score
    • The 99th score only
    • The 90th ordered calibration score (ceil((99+1) × 0.9))
    • The average of all labels
  8. In classification, what can a nonconformity score such as 1 minus the candidate label probability represent?
    • El número de épocas de entrenamiento.
    • The probability that the calibration set is exchangeable
    • The class frequency in the test set
    • How poorly the model supports that candidate label for the example