가이드 연계 퀴즈 · 중간 레벨

준지도 학습 퀴즈

혼합 레이블 가용성, 자체 학습, 일관성, 클러스터 가정, FixMatch, 오류 강화, 그래프 전파 및 레이블이 지정되지 않은 마커를 검토합니다.

관련 가이드 경로준지도 학습
질문 1 의 8

준지도 학습은 다음과 같은 상황을 위해 설계되었습니다.

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. 준지도 학습은 다음과 같은 상황을 위해 설계되었습니다.
    • 모든 예시에는 라벨이 완전히 지정되어 있습니다.
    • 데이터가 전혀 없습니다.
    • 라벨은 구입 비용이 무한히 저렴합니다.
    • 약간의 레이블이 있는 데이터와 레이블이 없는 데이터가 많이 있습니다.
  2. How does self-training use selected predictions on unlabeled examples?
    • It treats selected model guesses as pseudo-labels for further fitting
    • It converts every guess into a verified human annotation
    • It permanently removes the original labeled examples by definition
    • It chooses labels only from alphabetical order
  3. Under consistency regularization, what agreement is encouraged across chosen class-preserving augmentations?
    • A requirement that every arbitrary edit preserve the class
    • Opposite predictions for every view of an example
    • Agreement in the model's predictions
    • Removal of every unlabeled input from the loss
  4. What does a cluster assumption propose for grouped observations in a semi-supervised method?
    • Every possible cluster must contain every class equally
    • They are likely to share a label under the assumed data structure
    • All semi-supervised methods guarantee identical clusters
    • Labels are determined by filename order
  5. FixMatch는 두 가지 주요 아이디어를 어떻게 결합합니까?
    • 약하게 증강된 입력에 의사 레이블을 붙인 다음 일치하도록 강력하게 증강된 버전을 훈련합니다.
    • 레이블이 지정된 데이터만 사용하고 다른 모든 데이터는 무시합니다.
    • 증강을 완전히 삭제합니다.
    • 순전히 무작위로 라벨을 할당합니다.
  6. How can confirmation bias arise during pseudo-label training?
    • Only low-confidence labels can ever be wrong
    • Every selected prediction becomes a verified fact
    • Using any verified label prevents the model from learning
    • Incorrect model-generated labels are accepted and then reinforced
  7. Which structure distinguishes graph-based label propagation from repeatedly selecting a classifier's confident guesses?
    • Only a threshold on independently predicted class probabilities
    • A similarity graph over labeled and unlabeled observations
    • A list of random output labels with no input similarities
    • A requirement to discard every relationship between observations
  8. In the stated scikit-learn semi-supervised interface, which integer marks an unlabeled target entry?
    • Zero, necessarily the first actual class label
    • One, necessarily the second actual class label
    • Minus one
    • Fifty, interpreted as a percentage-confidence threshold