Gids-gekoppelde quiz · Middelmatig Niveau

Verwachtingsmaximalisatie-algoritmequiz

Volg de E-stap en M-stap in latente-variabele modellen en maak onderscheid tussen waarschijnlijkheidsverbetering en globale optimaliteit of modelvaliditeit.

Vraag 1 van 8

Wat berekent de E-step met behulp van de huidige parameters?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat berekent de E-step met behulp van de huidige parameters?
    • Voorwaardelijke verwachtingen van volledige gegevenshoeveelheden of logwaarschijnlijkheid
    • Het mondiale maximum van de waargenomen waarschijnlijkheid
    • Noodzakelijkerwijs harde labels voor elke verborgen variabele
    • Een nieuwe validatiedataset
  2. Wat vertegenwoordigen verantwoordelijkheden in een Gaussiaans mengsel?
    • Vaste labels bekend vóór montage
    • Posterieure lidmaatschapskansen voor observaties over componenten heen
    • Component betekent vermenigvuldigd met covarianties
    • Het aantal resterende EM-iteraties
  3. Wat doet de M-stap nadat de verwachtingen zijn berekend?
    • Wijzigt het aantal functies automatisch
    • Vervangt alle waarnemingen door componentlabels
    • Maximaliseert de verwachte volledige gegevensdoelstelling ten opzichte van parameters
    • Berekent alleen de waarschijnlijkheid van de validatie
  4. Welke garantie biedt exacte EM onder geschikte aannames?
    • Het geselecteerde model is wetenschappelijk correct
    • Het vindt het unieke mondiale optimale
    • Elke verborgen opdracht wordt zeker
    • De waarschijnlijkheid van waargenomen gegevens neemt niet bij elke iteratie af
  5. Verschillende EM-initialisaties eindigen bij verschillende waarschijnlijkheden. Wat suggereert dit?
    • De E-stap is overbodig
    • De optimalisatie is startgevoelig en kan lokale optima hebben
    • De gegevens bevatten geen latente variabelen
    • Alle parameterschattingen zijn onbevooroordeeld
  6. Waarom zijn mengselverantwoordelijkheden niet automatisch zware opdrachten?
    • Het zijn klasselabels die zijn gekopieerd van het doel
    • Ze zijn altijd gelijk voor elke waarneming
    • Het zijn kansen die één waarneming over componenten kunnen verdelen
    • Ze vertegenwoordigen alleen ontbrekende gegevens
  7. Wat duidt op een kleine waarschijnlijkheidsverbetering bij het stoppen?
    • De latente structuur heeft een causale betekenis
    • Het model is voldoende gebleken
    • Het mondiale optimale is zeker
    • Er werd voldaan aan het gekozen numerieke convergentiecriterium
  8. Hoe verschilt gegeneraliseerde EM van exacte EM?
    • De M-stap ervan kan het verwachte doel vergroten zonder het volledig te maximaliseren
    • Het verwijdert de latente variabelen
    • Het garandeert een mondiaal optimisme
    • Het vervangt waarschijnlijkheid door classificatienauwkeurigheid