Quiz collegato alla guida · Medio Livello

Quiz sulle funzioni di perdita

Obiettivi di previsione del test, errori quadratici e assoluti, entropia incrociata di classi, derivati ​​di addestramento utilizzabili, unità di perdita e medie degli errori numerici.

Percorsi guida correlatiFunzioni di perdita
Domanda 1 di 8

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

Anteprima di ogni domanda8 domande

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

  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. Quale funzione di perdita è più comunemente utilizzata per i compiti di classificazione?
    • Errore quadratico medio
    • Errore medio assoluto
    • Perdita di entropia incrociata
    • Solo distanza cerniera
  3. Rispetto all'errore quadratico medio, perché potresti scegliere l'errore medio assoluto?
    • Corregge gli errori per punirli di più
    • È più robusto rispetto ai valori anomali perché non quadra gli errori
    • Non può essere utilizzato per la regressione
    • Ignora le vere etichette
  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. Perché la precisione di solito non viene utilizzata direttamente come perdita di allenamento?
    • Non è differenziabile, quindi non fornisce alcun gradiente utile
    • È troppo facile da calcolare
    • Funziona solo per la regressione
    • In ogni caso equivale sempre alla perdita
  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