등각 예측 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 단일 레이블 대신 등각 예측 방법은 무엇을 출력합니까?
   • 적용 범위가 보장되는 예측 세트 또는 구간
   • 정확도가 더 높은 재학습된 모델
   • 불확실성이 없는 단일 점 추정
   • 훈련 세트의 손실 값
2. 표준 등각 커버리지 보장을 뒷받침하는 가정은 무엇입니까?
   • 모델은 신경망이다
   • 데이터 포인트는 교환 가능합니다.
   • 기능은 서로 독립적입니다.
   • 라벨은 완벽하게 균형을 이루고 있습니다.
3. 교정 세트의 역할은 무엇입니까?
   • 기본 모델을 훈련하려면
   • 학습률을 선택하려면
   • 임계값을 설정하는 부적합 점수를 계산하려면
   • 훈련 데이터에서 이상값을 제거하려면
4. 알파 = 0.1로 설정하면 어떤 적용 범위를 목표로 합니까?
   • 10%
   • 50%
   • 99%
   • 90%
5. 모델이 입력에 대해 매우 불확실한 경우 예측 세트는 일반적으로 어떻게 되나요?
   • 더 많은 후보 라벨을 포함하여 세트가 더 커집니다.
   • 세트가 비워집니다
   • 임계값은 무시됩니다.
   • 모델이 자동으로 재학습됩니다.
6. 등각 예측을 '분포 없는 예측'이라고 부르는 이유는 무엇입니까?
   • 가우스 데이터에서만 작동합니다.
   • 커버리지 보장을 위해 데이터 분포에 대한 매개변수적 가정이 필요하지 않습니다.
   • 데이터 분포를 완전히 폐기합니다.
   • 균일한 분포를 가정합니다.
7. A split-conformal classifier has 99 calibration examples and targets 90% marginal coverage. Which rank is used for the calibration quantile?
   • The 10th ordered score
   • The 99th score only
   • The 90th ordered calibration score (ceil((99+1) × 0.9))
   • The average of all labels
8. In classification, what can a nonconformity score such as 1 minus the candidate label probability represent?
   • 훈련 시대의 수
   • The probability that the calibration set is exchangeable
   • The class frequency in the test set
   • How poorly the model supports that candidate label for the example