Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Veszteségfüggvények kvíz

Test prediction objectives, squared and absolute errors, class cross-entropy, usable training derivatives, loss units, and numerical error averages.

Kapcsolódó útmutató utakVesztési funkciók
kérdés 1 -ból 8

For a prediction task, what does its selected loss quantify against the training target?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. For a prediction task, what does its selected loss quantify against the training target?
    • A specified prediction-error objective
    • Only runtime speed
    • Only the number of network layers
    • Every application benefit automatically
  2. Melyik veszteségfüggvényt használják leggyakrabban osztályozási feladatokhoz?
    • Átlagos négyzetes hiba
    • Átlagos abszolút hiba
    • Keresztentrópia veszteség
    • Csak csuklótávolság
  3. Az átlagos négyzetes hibához képest miért választhatja az átlagos abszolút hibát?
    • Kiemeli a hibákat, hogy jobban megbüntesse őket
    • Robusztusabb a kiugró értékekre, mert nem négyzetesíti a hibákat
    • Nem használható regresszióra
    • Figyelmen kívül hagyja a valódi címkéket
  4. Why does gradient-based training need a usable loss derivative or suitable substitute?
    • So a loss number can be printed
    • So all learning methods become identical
    • So the dataset no longer needs targets
    • So backpropagation and optimization can obtain an update signal
  5. How does one-hot class cross-entropy change as probability assigned to the target class becomes very small?
    • Its loss must become zero
    • It rewards the prediction increasingly
    • Its loss becomes large
    • It becomes identical to accuracy
  6. A pontosságot általában miért nem használják közvetlenül edzési veszteségként?
    • Nem differenciálható, így nem ad hasznos gradienst
    • Túl könnyű kiszámítani
    • Csak regresszióra működik
    • Amúgy mindig egyenlő a veszteséggel
  7. For illustrative regression residuals one and three, what are mean squared error and mean absolute error?
    • MSE is two and MAE is five
    • Both are four
    • MSE is ten and MAE is four
    • MSE is five and MAE is two
  8. Using a base-two logarithm, what one-hot cross-entropy loss corresponds to target-class probability one-quarter?
    • One-quarter bit
    • Two bits
    • Four bits
    • Zero bits