Cuestionario vinculado a una guía · fácil Nivel
Prueba de clasificación de texto
Pruebe la asignación de etiquetas de texto, tareas con múltiples etiquetas, desequilibrio, recuperación, uso de tiro cero para tareas específicas, incrustaciones, aritmética de precisión y puntuaciones de salida.
Pregunta 1 de 8
How does a text classifier structure the output for an input document?
Vista previa de cada pregunta8 preguntas
Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.
- How does a text classifier structure the output for an input document?
- By necessarily translating it into another language
- By assigning one or more predefined category labels
- By generating only a new unrelated paragraph
- By changing its compressed file format
- ¿Qué escenario es un ejemplo de clasificación de etiquetas múltiples?
- Marcar un correo electrónico como spam o no spam
- Enrutar un ticket exactamente a un departamento
- Elegir una calificación de una sola estrella
- Etiquetar un artículo con "política" y "economía" a la vez
- On a text dataset dominated by one class, what can a high overall accuracy conceal?
- An inability to calculate any metric
- Proof that recall equals one for every category
- Failure to identify cases of a rare class
- A guarantee that every minority example is correct
- ¿Qué mide el recuerdo en una tarea de clasificación?
- ¿Cuántos de los casos reales captó con éxito el sistema?
- ¿Cuántos elementos marcados eran realmente correctos?
- ¿Qué tan rápido corre el modelo?
- ¿Qué tan grande es el modelo?
- In task-specific zero-shot text classification, what is absent for the new classification task?
- All model pretraining of any kind
- Every description of the candidate categories
- The ability to use any learned representation
- Labeled training examples for that task
- How can learned text embeddings contribute to a classification pipeline?
- They guarantee perfect predictions on every new domain
- They provide numerical features used to compute label scores
- They delete every grammatical distinction by definition
- They replace all label definitions with filenames
- A stated text-classification evaluation has six true positives and two false positives. What is precision for the designated positive class?
- 75 percent
- 25 percent
- 100 por ciento
- Six percent
- Which output-score design permits several text labels to score highly at once rather than requiring scores to sum to one?
- A single softmax over mutually exclusive classes
- A rule requiring exactly one positive label
- A separate sigmoid output for each label
- A filename-only representation without label scores