Questionário vinculado ao guia · Médio Nível

Questionário sobre funções de perda

Objetivos de previsão de teste, erros quadráticos e absolutos, entropia cruzada de classe, derivadas de treinamento utilizáveis, unidades de perda e médias de erros numéricos.

Caminhos de guia relacionadosFunções de Perda
Pergunta 1 de 8

Para uma tarefa de previsão, o que a perda selecionada quantifica em relação ao alvo de treinamento?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. Para uma tarefa de previsão, o que a perda selecionada quantifica em relação ao alvo de treinamento?
    • A specified prediction-error objective
    • Only runtime speed
    • Only the number of network layers
    • Every application benefit automatically
  2. Qual função de perda é mais comumente usada para tarefas de classificação?
    • Erro quadrático médio
    • Erro absoluto médio
    • Perda de entropia cruzada
    • Somente distância da dobradiça
  3. Comparado ao erro quadrático médio, por que você escolheria o erro médio absoluto?
    • Ele corrige os erros para puni-los mais
    • É mais robusto para outliers porque não quadratura de erros
    • Não pode ser usado para regressão
    • Ele ignora os verdadeiros rótulos
  4. Por que o treinamento baseado em gradiente precisa de uma derivada de perda utilizável ou de um substituto adequado?
    • 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. Como a entropia cruzada de uma classe quente muda à medida que a probabilidade atribuída à classe alvo se torna muito pequena?
    • Its loss must become zero
    • It rewards the prediction increasingly
    • Its loss becomes large
    • It becomes identical to accuracy
  6. Por que a precisão geralmente não é usada diretamente como perda de treinamento?
    • Não é diferenciável, portanto não fornece gradiente útil
    • É muito fácil calcular
    • Só funciona para regressão
    • É sempre igual à perda de qualquer maneira
  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