ガイド連動クイズ · 中 レベル

損失関数クイズ

予測目標、二乗誤差および絶対誤差、クラスクロスエントロピー、使用可能なトレーニング導関数、損失単位、数値誤差平均をテストします。

関連するガイドパス損失関数
質問 1 の 8

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

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  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. 分類タスクに最も一般的に使用される損失関数はどれですか?
    • 平均二乗誤差
    • 平均絶対誤差
    • クロスエントロピー損失
    • ヒンジ距離のみ
  3. 平均二乗誤差と比較して、平均絶対誤差を選択する理由は何ですか?
    • エラーを二乗してさらに罰する
    • 誤差を二乗しないため、外れ値に対してより堅牢です
    • 回帰には使用できません
    • 本当のラベルは無視されます
  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. 通常、精度がトレーニング損失として直接使用されないのはなぜですか?
    • 微分可能ではないため、有用な勾配は得られません
    • 計算が簡単すぎる
    • 回帰に対してのみ機能します
    • それは常に損失に等しい
  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