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.
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.
- 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
- 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
- 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
- Pengesahan silang leave-one-out (LOOCV) menetapkan bilangan lipatan k sama dengan:
- 2
- 10
- Bilangan ciri
- Bilangan sampel dalam set data
- 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
- 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
- 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
- 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