गाइड से जुड़ी प्रश्नोत्तरी · मध्यम स्तर
मल्टी-लेबल वर्गीकरण प्रश्नोत्तरी
गैर-अनन्य लेबल, बाइनरी प्रासंगिकता और क्लासिफायर चेन, लेबल पावरसेट और कैसे हैमिंग लॉस व्यक्तिगत लेबल त्रुटियों को स्कोर करता है, को कवर करता है।
प्रश्न 1 का 8
एक समाचार कहानी को "राजनीति" और "वित्त" दोनों टैग प्राप्त हो सकते हैं। कौन सा लक्ष्य सेटअप इस कार्य के लिए उपयुक्त है?
प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न
जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।
- एक समाचार कहानी को "राजनीति" और "वित्त" दोनों टैग प्राप्त हो सकते हैं। कौन सा लक्ष्य सेटअप इस कार्य के लिए उपयुक्त है?
- मल्टी-लेबल वर्गीकरण केवल छवि डेटा के साथ काम करता है
- मल्टी-क्लास वर्गीकरण हमेशा मल्टी-लेबल वर्गीकरण की तुलना में अधिक लेबल का उपयोग करता है
- मल्टी-लेबल वर्गीकरण प्रति उदाहरण बिल्कुल एक के बजाय शून्य, एक या कई लेबल की अनुमति देता है
- दोनों के बीच कोई सार्थक अंतर नहीं है
- जब "थ्रिलर" और "एक्शन" जैसे मूवी टैग अक्सर एक साथ होते हैं, तो स्वतंत्र बाइनरी प्रासंगिकता की क्या सीमा होती है?
- यह लेबलों के बीच संभावित सहसंबंधों को नजरअंदाज करता है
- इसे मानक क्लासिफायर के साथ लागू नहीं किया जा सकता है
- इसमें लेबल के हर संभावित संयोजन को अपनी कक्षा के रूप में लेबल करने की आवश्यकता होती है
- यह केवल दो लेबलों के लिए काम करता है
- गाइड के अनुसार क्लासिफायर चेन बाइनरी प्रासंगिकता की सीमा को कैसे संबोधित करते हैं?
- लेबल आदेश को पूरी तरह से अनदेखा करके
- संयुक्त सभी लेबलों के लिए केवल एक ही क्लासिफायरियर को प्रशिक्षित करके
- उन लेबलों को हटाकर जो अक्सर एक साथ लगते हैं
- प्रत्येक क्लासिफायरियर को अतिरिक्त इनपुट के रूप में श्रृंखला में पूर्व क्लासिफायरियर की भविष्यवाणियों को फीड करके
- गाइड में बताए अनुसार लेबल पावरसेट दृष्टिकोण को किस समस्या का सामना करना पड़ता है?
- यह किसी भी लेबल सहसंबंध को संभाल नहीं सकता है
- यह तब संघर्ष करता है जब संभावित लेबल संयोजनों की संख्या प्रशिक्षण डेटा के सापेक्ष बहुत बड़ी हो जाती है
- इसके लिए सिग्मॉइड सक्रियण फ़ंक्शन की आवश्यकता होती है
- यह केवल संख्यात्मक इनपुट के साथ काम करता है
- गाइड के अनुसार, मल्टी-लेबल वर्गीकरण के लिए मानक सटीकता को खराब मूल्यांकन मीट्रिक क्यों माना जाता है?
- क्योंकि बाइनरी समस्याओं के लिए सटीकता की गणना नहीं की जा सकती
- क्योंकि सटीकता के लिए GPU त्वरण की आवश्यकता होती है
- क्योंकि एक भविष्यवाणी आंशिक रूप से सही हो सकती है, जिसे सामान्य सटीकता अच्छी तरह से पकड़ नहीं पाती है
- क्योंकि मल्टी-लेबल समस्याओं का कभी भी सही उत्तर नहीं होता है
- एक तंत्रिका नेटवर्क के लिए जो कई स्वतंत्र टैग निर्दिष्ट कर सकता है, गाइड किस आउटपुट सेटअप का वर्णन करता है?
- सिग्मॉइड प्रत्येक आउटपुट नोड पर स्वतंत्र रूप से लागू होता है
- ReLU प्रत्येक लेबल पर लागू होता है
- Tanh ने एकल संयुक्त आउटपुट पर आवेदन किया
- सॉफ्टमैक्स लेबल के जोड़े पर लागू होता है
- कहानी-टैगिंग कार्य में जहां "राजनीति" और "वित्त" दोनों लागू हो सकते हैं, मानक सॉफ्टमैक्स आउटपुट खराब क्यों है?
- यह वर्ग की संभावनाओं को प्रतिस्पर्धा और योग में एक बनाता है, हालांकि कई टैग एक साथ सही हो सकते हैं
- यह प्रत्येक संभावित टैग को एक अलग बाइनरी आउटपुट देता है
- यह दो से अधिक लेबल का प्रतिनिधित्व नहीं कर सकता
- यह प्रशिक्षण उदाहरणों की आवश्यकता को हटा देता है
- फ़्यूचरआउटलुक अनुभाग के अनुसार, लेबल सहसंबंधों की मॉडलिंग न करने के बावजूद उत्पादन में कौन सा आधारभूत दृष्टिकोण सामान्य बना हुआ है?
- लेबल पॉवरसेट
- द्विआधारी प्रासंगिकता
- क्लासिफायर चेन
- ग्राफ़-आधारित लेबल निर्भरता मॉडलिंग