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.
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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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