कक्षा असंतुलन और पुन: नमूनाकरण प्रश्नोत्तरी

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. अत्यधिक असंतुलित वर्गीकरण समस्या के लिए सामान्य सटीकता एक खराब मीट्रिक क्यों है?
   • एक मॉडल हमेशा बहुसंख्यक वर्ग की भविष्यवाणी करके बहुत अधिक अंक प्राप्त कर सकता है
   • कक्षाएं असंतुलित होने पर सटीकता की गणना नहीं की जा सकती
   • सटीकता केवल प्रतिगमन के लिए काम करती है
   • इसे परिभाषित करने के लिए पूर्णतः संतुलित डेटा की आवश्यकता होती है
2. SMOTE क्या करता है?
   • बहुसंख्यक वर्ग के नमूनों को यादृच्छिक रूप से हटा देता है
   • पड़ोसियों के बीच अंतर्वेश करके सिंथेटिक अल्पसंख्यक नमूने उत्पन्न करता है
   • दुर्लभ कक्षाओं के लिए सीखने की दर बढ़ जाती है
   • वर्गीकरण समस्या को प्रतिगमन में परिवर्तित करता है
3. कौन सा दृष्टिकोण प्रशिक्षण उदाहरणों की संख्या को बदले बिना असंतुलन को संभालता है?
   • यादृच्छिक ओवरसैंपलिंग
   • बहुमत का कम नमूनाकरण
   • हानि फ़ंक्शन में वर्ग भार
   • SMOTE
4. अपने डेटा को ट्रेन और परीक्षण सेट में विभाजित करने से पहले ओवरसैंपलिंग लागू करने का मुख्य जोखिम क्या है?
   • इससे प्रशिक्षण धीमा हो जाता है
   • यह बहुसंख्यक वर्ग को हटा देता है
   • यह हमेशा अंडरफिटिंग का कारण बनता है
   • डुप्लिकेट या सिंथेटिक अल्पसंख्यक अंक परीक्षण सेट में लीक हो सकते हैं, जिससे स्कोर बढ़ सकते हैं
5. रैंडम अंडरसैंपलिंग का मुख्य नकारात्मक पक्ष क्या है?
   • यह संभावित रूप से उपयोगी बहुसंख्यक-वर्ग डेटा को खारिज कर देता है
   • यह नकली डेटा बनाता है जो अवास्तविक हो सकता है
   • यह केवल छवि डेटा के लिए काम करता है
   • यह हमेशा प्रशिक्षण का समय बढ़ाता है
6. दुर्लभ-सकारात्मक डेटा पर किसी मॉडल के मूल्यांकन के लिए कौन सा मीट्रिक सबसे उपयुक्त है?
   • समग्र सटीकता
   • प्रिसिजन-रिकॉल एयूसी या एफ1 स्कोर
   • माध्य वर्ग त्रुटि
   • प्रशिक्षण युगों की संख्या
7. What does adjusting the decision threshold after training change?
   • The number of features in the model
   • The class proportions in the training data
   • The trade-off between which examples are labeled positive and negative without changing the training examples
   • The model’s learned weights automatically
8. Which metric does the guide name as an additional option for rare-positive classification?
   • Mean squared error only
   • BLEU score
   • Silhouette coefficient
   • Matthews Correlation Coefficient (MCC)