नियमितीकरण प्रश्नोत्तरी

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

1. Why would a practitioner add regularization when a model fits training-specific noise?
   • To guarantee zero training error
   • To remove the need for validation data
   • To guarantee a faster GPU kernel
   • To discourage overfitting and evaluate whether unseen-data performance improves
2. कौन सी नियमितीकरण तकनीक प्रभावी ढंग से सुविधाओं का चयन करते हुए कुछ भारों को बिल्कुल शून्य तक ले जाने की सबसे अधिक संभावना है?
   • L2 नियमितीकरण (वजन में कमी)
   • एल1 नियमितीकरण
   • बैच सामान्यीकरण
   • सीखने की दर में वृद्धि
3. प्रशिक्षण के दौरान ड्रॉपआउट तंत्रिका नेटवर्क को कैसे नियमित करता है?
   • यह नेटवर्क से परतों को स्थायी रूप से हटा देता है
   • यह हानि फ़ंक्शन में वर्ग भार जोड़ता है
   • यह प्रत्येक चरण में न्यूरॉन्स को बेतरतीब ढंग से बंद कर देता है ताकि वे सह-अनुकूलन न कर सकें
   • सत्यापन हानि बढ़ने पर यह प्रशिक्षण बंद कर देता है
4. नियमित हानि 'त्रुटि + लैम्ब्डा × दंड' में, लैम्ब्डा बढ़ाने से क्या होता है?
   • दंड को मजबूत करता है, मॉडल को सरल समाधानों की ओर धकेलता है
   • दंड को कमजोर करता है और बड़े भार की अनुमति देता है
   • त्रुटि शब्द को पूरी तरह से हटा देता है
   • वजन पर कोई प्रभाव नहीं पड़ता
5. जल्दी रुकने को नियमितीकरण का एक रूप क्यों माना जा सकता है?
   • क्योंकि यह नुकसान पर वजन का जुर्माना जोड़ता है
   • क्योंकि यह मॉडल के डेटा में शोर फिट करना शुरू करने से पहले प्रशिक्षण रोक देता है
   • क्योंकि यह समय के साथ मॉडल क्षमता को बढ़ाता है
   • क्योंकि यह बेतरतीब ढंग से न्यूरॉन्स को हटा देता है
6. What can happen when regularization is strengthened beyond what a task needs?
   • Both training and test accuracy must improve
   • The penalty becomes unrelated to the objective
   • Validation becomes unnecessary
   • The model can underfit useful structure even if variance decreases
7. For a regularization example with weights minus two and one, what are the unscaled L1 and sum-of-squares L2 penalties?
   • L1 is three and L2 is five
   • L1 is minus one and L2 is three
   • L1 is five and L2 is three
   • Both penalties are minus two
8. A regularized objective has prediction error two, lambda one-half, and penalty six. What is its total value?
   • अठ-/अष्‍ट
   • तीन
   • पांच
   • एक