ガイド連動クイズ · 中 レベル

モデルドリフト検出クイズ

データとコンセプトのドリフト、分布モニタリング、KS 比較、ラベルの遅延、ドリフト アラートへの慎重な対応を確認します。

関連するガイドパスモデルドリフトの検出
質問 1 の 8

データドリフトとコンセプトドリフトの違いは何ですか?

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. データドリフトとコンセプトドリフトの違いは何ですか?
    • データのドリフトにより入力の分布が変化します。コンセプトドリフトは入力と出力の関係を変える
    • これらは同じものに対する 2 つの名前です
    • データ ドリフトは画像にのみ影響します。コンセプトドリフトはテキストにのみ影響します
    • データドリフトはトレーニング中に発生します。コンセプトドリフトはテスト中に起こる
  2. How should a team interpret a PSI value such as 0.30?
    • As a guarantee that model accuracy has fallen
    • As a signal to investigate under the chosen monitoring policy, not a universal proof of harmful drift
    • As an identical threshold for every feature and population
    • As proof that retraining must begin immediately
  3. 入力ベースのドリフト検出が早期に警告を発できるのはなぜですか?
    • 入力が最初に間違っているため
    • 入力ファイルが小さいため
    • グラウンドトゥルースのラベルは予測よりも大幅に遅れて到着することが多いため、
    • モデルはラベルを完全に無視するため
  4. What does a two-sample Kolmogorov-Smirnov test compare?
    • The average accuracy of two classifiers only
    • The class labels predicted by a single model
    • The parameter values of two neural networks
    • The empirical cumulative distribution functions of two samples
  5. コンセプトドリフトの明らかな例はどのシナリオですか?
    • ユーザーが「スパム」と考えるものは、見た目が似ているメールでも時間の経過とともに変化します。
    • カメラはわずかに明るい画像を生成します
    • データセット内の顧客の年齢は変わらない
    • データセットは新しいファイル形式で保存されます
  6. What is a safe first response when an input-drift monitor triggers?
    • Automatically deploy a newly retrained model without evaluation
    • Investigate the data and impact, then decide whether retraining or another action is justified
    • Delete the reference data
    • Assume every shift is harmful concept drift
  7. What can TensorFlow Data Validation check in an ML pipeline?
    • The causal effect of a feature
    • Whether every model prediction is correct
    • Data schemas and statistics, including unexpected changes
    • The absolute accuracy of an unlabeled dataset
  8. What does the Population Stability Index (PSI) measure in a drift-monitoring setup?
    • The model’s accuracy on labeled examples
    • A causal effect of an input feature
    • A universal pass/fail threshold for all models
    • A numerical summary of how binned feature distributions differ between reference and current data