Gids-gekoppelde quiz · Middelmatig Niveau
Verliesfuncties Quiz
Testvoorspellingsdoelstellingen, kwadratische en absolute fouten, klasse-cross-entropie, bruikbare trainingsderivaten, verlieseenheden en numerieke foutgemiddelden.
Vraag 1 van 8
For a prediction task, what does its selected loss quantify against the training target?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- For a prediction task, what does its selected loss quantify against the training target?
- A specified prediction-error objective
- Only runtime speed
- Alleen het aantal netwerklagen
- Every application benefit automatically
- Welke verliesfunctie wordt het meest gebruikt voor classificatietaken?
- Gemiddelde kwadratische fout
- Bedoel absolute fout
- Cross-entropieverlies
- Alleen scharnierafstand
- Waarom zou u, vergeleken met de gemiddelde kwadratische fout, voor de gemiddelde absolute fout kiezen?
- Het kwadrateert fouten om ze nog meer te bestraffen
- Het is robuuster voor uitschieters, omdat fouten niet worden gekwadrateerd
- Het kan niet worden gebruikt voor regressie
- Het negeert de echte labels
- Why does gradient-based training need a usable loss derivative or suitable substitute?
- So a loss number can be printed
- So all learning methods become identical
- So the dataset no longer needs targets
- So backpropagation and optimization can obtain an update signal
- How does one-hot class cross-entropy change as probability assigned to the target class becomes very small?
- Its loss must become zero
- It rewards the prediction increasingly
- Its loss becomes large
- It becomes identical to accuracy
- Waarom wordt nauwkeurigheid meestal niet direct gebruikt als trainingsverlies?
- Het is niet differentieerbaar, dus het geeft geen bruikbare gradiënt
- Het is te gemakkelijk om te berekenen
- Het werkt alleen voor regressie
- Het is sowieso altijd gelijk aan het verlies
- For illustrative regression residuals one and three, what are mean squared error and mean absolute error?
- MSE is two and MAE is five
- Both are four
- MSE is ten and MAE is four
- MSE is five and MAE is two
- Using a base-two logarithm, what one-hot cross-entropy loss corresponds to target-class probability one-quarter?
- One-quarter bit
- Two bits
- Four bits
- Zero bits