클래스 불균형 및 리샘플링 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 불균형이 심한 분류 문제에 대해 일반 정확도가 불량한 측정 기준인 이유는 무엇입니까?
   • 모델은 항상 다수 클래스를 예측하는 것만으로도 매우 높은 점수를 얻을 수 있습니다.
   • 클래스의 균형이 맞지 않으면 정확도를 계산할 수 없습니다.
   • 정확도는 회귀에만 적용됩니다.
   • 정의하려면 완벽하게 균형 잡힌 데이터가 필요합니다.
2. SMOTE는 무엇을 하나요?
   • 다수 클래스 샘플을 무작위로 삭제합니다.
   • 이웃 사이를 보간하여 합성 소수 샘플을 생성합니다.
   • 희귀 클래스의 학습률을 높입니다.
   • 분류 문제를 회귀로 변환합니다.
3. 학습 예제 수를 변경하지 않고 불균형을 처리하는 접근 방식은 무엇입니까?
   • 무작위 오버샘플링
   • 대다수를 과소 샘플링
   • 손실 함수의 클래스 가중치
   • 스모트
4. 데이터를 학습 세트와 테스트 세트로 분할하기 전에 오버샘플링을 적용할 때 발생할 수 있는 주요 위험은 무엇입니까?
   • 훈련 속도가 느려집니다.
   • 다수의 클래스를 삭제합니다.
   • 항상 과소적합을 유발합니다.
   • 중복되거나 합성된 소수점이 테스트 세트로 유출되어 점수가 부풀려질 수 있습니다.
5. 무작위 언더샘플링의 주요 단점은 무엇입니까?
   • 잠재적으로 유용한 다수 클래스 데이터를 삭제합니다.
   • 비현실적일 수 있는 가짜 데이터를 생성합니다.
   • 이미지 데이터에만 작동합니다.
   • 항상 훈련 시간이 늘어납니다.
6. 희귀 양성 데이터에 대한 모델을 평가하는 데 가장 적합한 측정항목은 무엇인가요?
   • 전반적인 정확도
   • 정밀 리콜 AUC 또는 F1 점수
   • 평균 제곱 오차
   • 훈련 에포크 수
7. What does adjusting the decision threshold after training change?
   • The number of features in the model
   • The class proportions in the training data
   • The trade-off between which examples are labeled positive and negative without changing the training examples
   • The model’s learned weights automatically
8. Which metric does the guide name as an additional option for rare-positive classification?
   • Mean squared error only
   • BLEU score
   • Silhouette coefficient
   • Matthews Correlation Coefficient (MCC)