Quiz dotyczący regresji porządkowej

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jaką właściwość ocen zachowuje regresja porządkowa?
   • Ich kolejność bez konieczności stosowania równych odstępów
   • Ich dokładna odległość liczbowa
   • Ich niezależność od predyktorów
   • Ich równe częstotliwości kategorii
2. W jaki sposób tworzone są obserwowane kategorie ratingowe, stosując interpretację progu ukrytego?
   • Pasuje do modeli kategorii niepowiązanych i odrzuca kolejność kategorii
   • Progi dzielą ukrytą tendencję na uporządkowane zakresy
   • Traktuje zakodowane wyniki jako pomiary rozmieszczone w równych odstępach czasu
   • Przypisuje każdej kategorii niezależne nachylenie regresji numerycznej
3. Co powszechnie zakłada się w przypadku kursów proporcjonalnych na temat efektów prognostycznych?
   • Wszystkie progi są identyczne
   • Każda kategoria ma równe prawdopodobieństwo
   • To samo nachylenie dotyczy skumulowanych podziałów kategorii
   • Predyktory nie mają wpływu na rankingi
4. Dlaczego zwykła regresja na kodach 1, 2, 3 i 4 może być nieodpowiednia dla poziomów satysfakcji?
   • Nie może zawierać zmiennych predykcyjnych
   • Traktuje kody kategorii jak etykiety nominalne i ignoruje ich kolejność
   • Szacuje skumulowane prawdopodobieństwa, ale nigdy nie używa kodów kategorii jako odległości
   • Zakłada luki liczbowe pomiędzy kodami i może przewidywać wartości spoza zestawu kategorii
5. Predyktor przesuwa ukrytą satysfakcję w górę. Co może się stać z prawdopodobieństwem kategorii średniej?
   • Prawdopodobieństwo każdej kategorii musi wzrosnąć o tę samą kwotę
   • Prawdopodobieństwo średniej kategorii może wzrosnąć lub spaść, gdy masa przekroczy swoje progi
   • Tylko najniższe i najwyższe kategorie mogą zmienić prawdopodobieństwo
   • Prawdopodobieństwo kategorii staje się równe wynikowi ukrytemu
6. Dlaczego etykiety kategorii powinny być kodowane w zamierzonej kolejności?
   • Aby wymusić, aby wszystkie współczynniki predyktorów były dodatnie
   • Aby wszystkie progi były równomiernie rozmieszczone
   • Aby mieć pewność, że oprogramowanie używa zamierzonej kolejności kategorii semantycznych
   • Aby zagwarantować, że założenie o proporcjonalnych szansach jest spełnione
7. Które ograniczenie modelu należy ocenić we wspólnej specyfikacji logiki uporządkowanej?
   • Czy punkty cięcia są równomiernie rozmieszczone
   • Czy kategorie występują równie często
   • Czy każdy próg ma z definicji inne nachylenie
   • Czy wspólny efekt predykcyjny w przypadku skumulowanych podziałów jest wiarygodny
8. Błędna prognoza o jeden poziom dalej ma inny koszt niż o jeden poziom dalej. Który wybór ewaluacji jest właściwy?
   • Użyj miernika uwzględniającego kolejność lub jawnych kosztów, które odróżniają błędy bliskie i odległe
   • Używaj zwykłej dokładności, ponieważ rejestruje ona, ile poziomów dzieli każdy błąd
   • Użyj błędu kwadratowego w kodach kategorii bez sprawdzania, czy równe odstępy mają znaczenie
   • Zignoruj weryfikację, ponieważ kolejność kategorii już definiuje jakość modelu