Quiz collegato alla guida · Difficile Livello

Quiz sui processi gaussiani

Controlla le distribuzioni delle funzioni GP, i kernel, l'incertezza a posteriori, il ridimensionamento cubico, la regolazione degli iperparametri e l'ottimizzazione bayesiana.

Percorsi guida correlatiProcessi gaussiani
Domanda 1 di 8

Un processo gaussiano definisce una distribuzione di probabilità su cosa?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Un processo gaussiano definisce una distribuzione di probabilità su cosa?
    • Funzioni
    • Solo punti dati individuali
    • Etichette di classi discrete
    • Pesi della rete neurale
  2. Beyond a point estimate, what does a Gaussian Process return under its chosen kernel and noise assumptions?
    • Only an exact parameter vector
    • A posterior predictive distribution with an uncertainty estimate
    • A guaranteed calibrated interval under any model mismatch
    • A deterministic label with no variance
  3. Che ruolo gioca il kernel (funzione di covarianza) in un GP?
    • Etichetta i dati di addestramento
    • Elimina la necessità di dati di addestramento
    • Codifica quanto sono simili gli output per gli input vicini
    • Imposta il tasso di apprendimento
  4. Perché i processi gaussiani standard hanno difficoltà con set di dati molto grandi?
    • Non possono rappresentare funzioni non lineari
    • Richiedono classi etichettate
    • Ignorano completamente i dati di addestramento
    • L'inversione della matrice del kernel costa circa n-cubi di tempo
  5. Come vengono solitamente scelti gli iperparametri GP come la scala di lunghezza?
    • Massimizzando la probabilità marginale
    • Per ipotesi casuale
    • Riducendo al minimo il numero di punti dati
    • Sono sempre fissi e mai sintonizzati
  6. In quale tecnica popolare i processi gaussiani sono una componente fondamentale?
    • Classificazione convoluzionale delle immagini
    • Ottimizzazione bayesiana per la regolazione degli iperparametri
    • Tokenizzazione del testo
    • Backpropagation attraverso reti profonde
  7. Which kernel is described in the guide as smoother than the Matérn alternative?
    • A unigram frequency kernel
    • A transition-probability kernel
    • The RBF (squared exponential) kernel
    • The Viterbi kernel
  8. Why can a GP’s predictive uncertainty widen far from training observations?
    • The model adds more observed labels automatically
    • The mean function becomes a neural network
    • The kernel matrix becomes smaller than zero
    • There is less nearby data constraining the function under the selected covariance assumptions