Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Pengesahan Silang

Semak cara pengesahan berasaskan lipatan menganggar prestasi model, menghalang kebocoran dan memisahkan penalaan hiperparameter daripada penilaian akhir.

Laluan panduan yang berkaitanPengesahan Silang
soalan 1 daripada 8

Dalam pengesahan silang lipatan k standard, berapa kali setiap titik data digunakan untuk ujian?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Dalam pengesahan silang lipatan k standard, berapa kali setiap titik data digunakan untuk ujian?
    • Tepat sekali
    • k kali
    • k-1 kali
    • Ia bergantung kepada benih rawak
  2. Apakah kelebihan utama pengesahan silang k-lipat berbanding pemisahan kereta api/ujian tunggal?
    • Ia sentiasa meningkatkan ketepatan model
    • Ia memberikan anggaran generalisasi yang lebih stabil dan kurang bergantung pada nasib
    • Ia menghilangkan keperluan untuk set ujian sepenuhnya
    • Ia mempercepatkan latihan model
  3. Pengesahan silang lipatan k berstrata amat berguna apabila:
    • Set data seimbang dengan sempurna
    • Data adalah siri masa
    • Anda mempunyai kelas yang tidak seimbang dan mahu setiap lipatan mengekalkan perkadaran kelas yang serupa
    • Anda mahu melatih keseluruhan set data sekaligus
  4. Pengesahan silang leave-one-out (LOOCV) menetapkan bilangan lipatan k sama dengan:
    • 2
    • 10
    • Bilangan ciri
    • Bilangan sampel dalam set data
  5. Untuk mengelakkan kebocoran data semasa pengesahan silang, langkah prapemprosesan seperti penskalaan ciri hendaklah:
    • Muatkan hanya di dalam setiap lipatan latihan, kemudian digunakan pada lipatan pengesahan
    • Muatkan pada set data penuh sebelum berpecah menjadi lipatan
    • Dilangkau sepenuhnya
    • Dilakukan hanya pada lipatan pengesahan
  6. Mengapakah pengesahan silang lipatan k biasa tidak sesuai untuk ramalan siri masa?
    • Siri masa mempunyai terlalu sedikit baris
    • Lipatan rawak boleh meletakkan data masa depan dalam set latihan yang digunakan untuk meramalkan masa lalu
    • Ia terlalu pantas untuk siri masa
    • Siri masa tidak boleh dibahagikan sama sekali
  7. Apakah tujuan penilaian silang bersarang?
    • Ia membuat setiap model menggunakan hyperparameter yang sama
    • Ia membenarkan pra-pemprosesan menggunakan set data penuh sebelum pemisahan
    • Ia memisahkan pemilihan hyperparameter daripada penilaian luaran prosedur yang dipilih
    • Ia menghapuskan keperluan penilaian yang disimpan
  8. Bilangan lipatan yang biasa dipilih untuk penilaian silang k-lipatan?
    • Terdapat dua lipatan dalam setiap masalah
    • Satu lipatan tanpa mengira saiz sampel
    • Seribu lipatan untuk setiap set data
    • Lima atau sepuluh lipatan