Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Tradeoff Bias-Variance

Gunakan berat sebelah, varians, regularisasi, pembungkusan dan penguraian ralat kuasa dua sambil mengiktiraf had lengkung kerumitan klasik.

Laluan panduan yang berkaitanTukar Ganti Bias Varians
soalan 1 daripada 8

Model yang terlalu mudah untuk menangkap corak asas dalam data terutamanya mengalami:

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Model yang terlalu mudah untuk menangkap corak asas dalam data terutamanya mengalami:
    • Varians yang tinggi
    • berat sebelah tinggi
    • Ralat tidak dapat dikurangkan rendah
    • Terlalu pasang
  2. Senario yang manakah merupakan tanda klasik varians tinggi (overfitting)?
    • Ralat latihan dan ujian adalah tinggi dan serupa
    • Model mengabaikan kebanyakan ciri
    • Menambah lebih teratur meningkatkan ralat latihan ke arah ralat ujian
    • Ralat latihan adalah sangat rendah tetapi ralat ujian adalah lebih tinggi
  3. Dalam gambar bias-varian klasik yang diterangkan dalam panduan, pertukaran yang manakah boleh mengiringi peningkatan fleksibiliti model?
    • Bias berkurangan dan varians meningkat
    • Kedua-duanya meningkat
    • Kedua-duanya berkurangan
    • Bias meningkat dan varians berkurangan
  4. Menambah penyelarasan L2 (rabung) pada model secara amnya:
    • Mengurangkan berat sebelah pada kos lebih banyak varians
    • Menghapuskan ralat yang tidak dapat dikurangkan
    • Mengurangkan varians pada kos yang lebih berat sebelah
    • Tidak mempunyai kesan ke atas bias atau varians
  5. Ralat tidak dapat dikurangkan dalam penguraian bias-varian mewakili:
    • Ralat disebabkan oleh memilih algoritma yang salah
    • Ralat daripada bunyi yang wujud dalam data yang tidak boleh dialih keluar oleh model
    • Ralat yang hilang dengan lebih banyak data latihan
    • Ralat disebabkan hanya oleh varians yang tinggi
  6. Fenomena 'keturunan berganda' yang diperhatikan dalam pembelajaran mendalam menunjukkan bahawa:
    • Ralat ujian boleh berkurangan semula apabila model berkembang jauh melepasi titik interpolasi data latihan
    • Ralat ujian sentiasa mengikut bentuk U yang mudah
    • Varians tidak pernah penting untuk rangkaian saraf
    • Bias sentiasa sifar dalam model mendalam
  7. Dalam penguraian ralat kuasa dua, pincang kuasa dua ialah 2, varians ialah 3, dan hingar tidak dapat dikurangkan ialah 1. Berapakah jumlah ralat yang dijangkakan?
    • 14
    • 5
    • 3
    • 6
  8. Mengapakah purata banyak pokok yang tidak berkorelasi boleh membantu dalam contoh hutan rawak?
    • It removes all noise from the data-generating process
    • It guarantees zero test error
    • It can reduce the variance of the combined prediction
    • It converts every tree into a linear model