Quiz dotyczący funkcji straty

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. For a prediction task, what does its selected loss quantify against the training target?
   • A specified prediction-error objective
   • Only runtime speed
   • Only the number of network layers
   • Every application benefit automatically
2. Która funkcja straty jest najczęściej używana w zadaniach klasyfikacyjnych?
   • Średni błąd kwadratowy
   • Średni błąd bezwzględny
   • Strata entropii krzyżowej
   • Tylko odległość zawiasów
3. Dlaczego w porównaniu do błędu średniokwadratowego można wybrać średni błąd bezwzględny?
   • Wyrównuje błędy, aby je bardziej ukarać
   • Jest bardziej odporny na wartości odstające, ponieważ nie podnosi błędów do kwadratu
   • Nie można go używać do regresji
   • Ignoruje prawdziwe etykiety
4. 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
5. 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
6. Dlaczego dokładność zwykle nie jest bezpośrednio traktowana jako strata w treningu?
   • Nie jest różniczkowalna, więc nie daje użytecznego gradientu
   • To jest zbyt proste do obliczenia
   • Działa tylko w przypadku regresji
   • To i tak zawsze równa się stracie
7. 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
8. 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