Test legat de ghid · Mediu Nivel

Test cu funcții de pierdere

Test prediction objectives, squared and absolute errors, class cross-entropy, usable training derivatives, loss units, and numerical error averages.

Căi de ghidare aferenteFuncții de pierdere
Întrebare 1 de 8

For a prediction task, what does its selected loss quantify against the training target?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  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. Care funcție de pierdere este utilizată cel mai frecvent pentru sarcinile de clasificare?
    • Eroare medie pătratică
    • Eroare absolută medie
    • Pierdere de entropie încrucișată
    • Doar distanța balamalei
  3. În comparație cu eroarea medie pătrată, de ce ați putea alege eroarea medie absolută?
    • Ea corectează erorile pentru a le pedepsi mai mult
    • Este mai robust la valori aberante, deoarece nu înregistrează erori pătrate
    • Nu poate fi folosit pentru regresie
    • Ignoră adevăratele etichete
  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. De ce acuratețea nu este de obicei folosită direct ca pierdere de antrenament?
    • Nu este diferențiabilă, deci nu oferă un gradient util
    • Este prea ușor de calculat
    • Funcționează doar pentru regresie
    • Oricum, întotdeauna este egal cu pierderea
  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