Kuiz berkaitan panduan · Sederhana Tahap
Kuiz Sumpahan Dimensi
Menguji kesederhanaan, kepekatan jarak, had jiran terdekat, kesan saiz sampel, strategi praktikal untuk data berdimensi tinggi dan pengesahan.
soalan 1 daripada 8
Apakah yang diterangkan kutukan dimensi?
Pratonton setiap soalan8 soalan
Jawapan dan penjelasan muncul semasa anda mengambil kuiz.
- Apakah yang diterangkan kutukan dimensi?
- Peraturan bahawa semua data berdimensi tinggi mesti dikurangkan kepada dua pembolehubah
- Jenis ralat label yang disebabkan oleh kelas yang tidak seimbang
- Cabaran dalam liputan data, tingkah laku jarak atau pengiraan apabila bilangan dimensi bertambah
- Jaminan bahawa setiap model gagal melebihi kiraan ciri tetap
- Mengapakah set data bersaiz tetap boleh menjadi jarang dalam dimensi tinggi?
- Lebih banyak dimensi mencipta ruang ciri yang lebih besar untuk ditutup dengan pemerhatian yang sama
- Saiz sampel berkurangan secara automatik apabila lajur ditambahkan
- Dimensi tinggi mengalih keluar semua korelasi antara ciri
- Setiap ciri terpaksa mengandungi lebih sedikit nilai unik
- Apakah yang boleh berlaku pada jarak terdekat dan paling jauh apabila dimensi berkembang?
- Jarak menjadi ukuran langsung pengaruh kausal
- Kontras mereka boleh mengecut, menjadikan jarak kurang membezakan
- Jarak terdekat sentiasa menjadi tepat sifar
- Jarak terjauh sentiasa lebih kecil daripada setiap jarak terdekat
- Adakah kutukan dimensi bermakna setiap model dimensi tinggi gagal?
- Ya; setiap model gagal selepas sepuluh dimensi
- Ya; menambah sebarang ciri mengurangkan ketepatan
- Tidak; model berdimensi tinggi sentiasa mengatasi yang mudah
- Tidak; kesan bergantung pada struktur data, kaedah, saiz sampel dan bunyi
- Kaedah yang manakah boleh membantu dengan ciri yang tidak relevan atau berlebihan?
- Pemilihan ciri, penyelarasan atau perwakilan dimensi rendah yang wajar
- Menambah lebih banyak ciri yang tidak berkaitan untuk meningkatkan liputan
- Menskalakan setiap ciri secara rawak sehingga jarak berubah
- Penalaan pada set ujian sehingga pengesahan bertambah baik
- Mengapa pemilihan ciri sesuai menggunakan data latihan sahaja?
- Untuk membuat pemerhatian ujian bebas daripada keputusan
- Untuk memaksimumkan ketepatan latihan yang jelas
- Untuk mengelakkan maklumat daripada set penahan bocor ke dalam pembangunan model
- Untuk memastikan setiap ciri disimpan dalam model akhir
- Apakah anggaran perdagangan carian jiran terdekat?
- Ia menjadikan set data berdimensi lebih rendah tanpa transformasi
- Ia boleh meningkatkan kecekapan carian sambil membenarkan keputusan berbeza daripada jiran yang tepat
- Ia menjamin ketepatan klasifikasi bertambah baik
- Ia menghilangkan keperluan untuk metrik jarak
- Apakah yang perlu dinyatakan oleh laporan tentang model dimensi tinggi?
- Hanya bilangan lajur input
- Skor latihan terbaik tunggal
- Nama pakej pengurangan dimensi
- Saiz sampel, prapemprosesan, pilihan jarak atau perwakilan, dan reka bentuk pengesahan