Cuestionario vinculado a una guía · Medio Nivel

Prueba de funciones de pérdida

Objetivos de predicción de pruebas, errores cuadráticos y absolutos, entropía cruzada de clases, derivadas de entrenamiento utilizables, unidades de pérdida y promedios de errores numéricos.

Rutas de guía relacionadasFunciones de pérdida
Pregunta 1 de 8

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

Vista previa de cada pregunta8 preguntas

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

  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. ¿Qué función de pérdida se utiliza más comúnmente para tareas de clasificación?
    • Error cuadrático medio
    • Error absoluto medio
    • Pérdida de entropía cruzada
    • Solo distancia de bisagra
  3. En comparación con el error cuadrático medio, ¿por qué elegirías el error absoluto medio?
    • Cuadra los errores para castigarlos más
    • Es más robusto ante valores atípicos porque no cuadra los errores.
    • No se puede utilizar para la regresión.
    • Ignora las verdaderas etiquetas.
  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. ¿Por qué la precisión no suele utilizarse directamente como pérdida de entrenamiento?
    • No es diferenciable, por lo que no proporciona ningún gradiente útil.
    • Es demasiado fácil de calcular.
    • Sólo funciona para la regresión.
    • Siempre es igual a la pérdida de todos modos.
  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