손실 함수 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

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. 분류 작업에 가장 일반적으로 사용되는 손실 함수는 무엇입니까?
   • 평균 제곱 오차
   • 평균 절대 오차
   • 교차 엔트로피 손실
   • 힌지 거리만
3. 평균 제곱 오차와 비교하여 평균 절대 오차를 선택하는 이유는 무엇입니까?
   • 오류를 제곱하여 더 많이 처벌합니다.
   • 오류를 제곱하지 않기 때문에 이상값에 더 강력합니다.
   • 회귀에는 사용할 수 없습니다.
   • 실제 레이블을 무시합니다.
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. 정확도가 일반적으로 훈련 손실로 직접 사용되지 않는 이유는 무엇입니까?
   • 미분 불가능하므로 유용한 기울기를 제공하지 않습니다.
   • 계산하기가 너무 쉽네요
   • 회귀에만 작동합니다.
   • 어쨌든 항상 손실은 동일합니다.
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