Quiz połączony z przewodnikiem · Średni Poziom
Quiz dotyczący przewidywania konformalnego
Sprawdza konformalne zbiory przewidywań, wymienność, wyniki kalibracji, progi kwantylowe i założenia leżące u podstaw pokrycia skończonej próby.
Pytanie 1 z 8
Co daje metoda przewidywania konformalnego zamiast pojedynczej etykiety?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Co daje metoda przewidywania konformalnego zamiast pojedynczej etykiety?
- Zestaw prognoz lub interwał z gwarancją pokrycia
- Przeszkolony model z większą dokładnością
- Oszacowanie jednopunktowe bez niepewności
- Wartość straty dla zbioru szkoleniowego
- Które założenie leży u podstaw standardowej gwarancji zgodności?
- Modelem jest sieć neuronowa
- Punkty danych są wymienne
- Funkcje są od siebie niezależne
- Etykiety są doskonale wyważone
- Jaka jest rola zestawu kalibracyjnego?
- Aby wytrenować model bazowy
- Aby wybrać tempo uczenia się
- Aby obliczyć wyniki niezgodności, które wyznaczają próg
- Aby usunąć wartości odstające z danych szkoleniowych
- Jeśli ustawisz alfa = 0,1, jaki zasięg jest docelowy?
- 10%
- 50%
- 99%
- 90%
- Co zazwyczaj dzieje się ze zbiorem predykcji, gdy model jest bardzo niepewny co do danych wejściowych?
- Zestaw staje się coraz większy i zawiera więcej potencjalnych etykiet
- Zbiór staje się pusty
- Próg jest ignorowany
- Model zostanie automatycznie przeszkolony
- Dlaczego przewidywanie konformalne nazywa się „bezdystrybucyjnym”?
- Działa tylko na danych Gaussa
- Nie wymaga żadnych założeń parametrycznych dotyczących dystrybucji danych, aby zapewnić gwarancję pokrycia
- Całkowicie odrzuca dystrybucję danych
- Zakłada równomierny rozkład
- A split-conformal classifier has 99 calibration examples and targets 90% marginal coverage. Which rank is used for the calibration quantile?
- The 10th ordered score
- The 99th score only
- The 90th ordered calibration score (ceil((99+1) × 0.9))
- The average of all labels
- In classification, what can a nonconformity score such as 1 minus the candidate label probability represent?
- Liczba epok szkoleniowych
- The probability that the calibration set is exchangeable
- The class frequency in the test set
- How poorly the model supports that candidate label for the example