Quiz lié à un guide · Facile Niveau

Quiz sur la classification du texte

Testez l'attribution d'étiquettes de texte, les tâches multi-étiquettes, le déséquilibre, le rappel, l'utilisation du zéro spécifique à une tâche, les intégrations, l'arithmétique de précision et les scores de sortie.

Chemins de guidage associésClassement du texte
Question 1 de 8

How does a text classifier structure the output for an input document?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. 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
  2. Quel scénario est un exemple de classification multi-étiquettes ?
    • Marquer un e-mail comme spam ou non spam
    • Acheminer un ticket vers exactement un département
    • Choisir une seule étoile
    • Marquer un article avec à la fois « politique » et « économie »
  3. 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
  4. Que mesure le rappel dans une tâche de classification ?
    • Combien de cas réels le système a-t-il réussi à détecter ?
    • Combien d'éléments signalés étaient réellement corrects
    • À quelle vitesse le modèle s'exécute
    • Quelle est la taille du modèle
  5. 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
  6. 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
  7. 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 percent
    • Six percent
  8. 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