가우스 프로세스 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 가우스 프로세스는 무엇에 대한 확률 분포를 정의합니까?
   • 기능
   • 개별 데이터 포인트만
   • 이산 클래스 라벨
   • 신경망 가중치
2. Beyond a point estimate, what does a Gaussian Process return under its chosen kernel and noise assumptions?
   • Only an exact parameter vector
   • A posterior predictive distribution with an uncertainty estimate
   • A guaranteed calibrated interval under any model mismatch
   • A deterministic label with no variance
3. GP에서 커널(공분산 함수)은 어떤 역할을 합니까?
   • 훈련 데이터에 라벨을 붙입니다.
   • 훈련 데이터가 필요하지 않습니다.
   • 가까운 입력에 대해 출력이 얼마나 유사한지 인코딩합니다.
   • 학습률을 설정합니다.
4. 표준 가우스 프로세스가 매우 큰 데이터 세트를 처리하는 데 어려움을 겪는 이유는 무엇입니까?
   • 비선형 함수를 나타낼 수 없습니다.
   • 라벨이 붙은 수업이 필요합니다.
   • 훈련 데이터를 완전히 무시합니다.
   • n-cubed 시간에 대한 커널 행렬 반전 비용
5. 길이 척도와 같은 GP 하이퍼파라미터는 일반적으로 어떻게 선택됩니까?
   • 한계우도를 최대화함으로써
   • 무작위 추측으로
   • 데이터 포인트 수를 최소화하여
   • 항상 고정되어 있고 조정되지 않습니다.
6. 가우시안 프로세스가 핵심 구성 요소인 널리 사용되는 기술은 무엇입니까?
   • 컨벌루션 이미지 분류
   • 하이퍼파라미터 튜닝을 위한 베이지안 최적화
   • 텍스트의 토큰화
   • 심층 네트워크를 통한 역전파
7. Which kernel is described in the guide as smoother than the Matérn alternative?
   • A unigram frequency kernel
   • A transition-probability kernel
   • The RBF (squared exponential) kernel
   • The Viterbi kernel
8. Why can a GP’s predictive uncertainty widen far from training observations?
   • The model adds more observed labels automatically
   • The mean function becomes a neural network
   • The kernel matrix becomes smaller than zero
   • There is less nearby data constraining the function under the selected covariance assumptions