Викторина, связанная с руководством · Средний Уровень
Викторина «Машины факторизации»
Соедините попарные взаимодействия скалярных произведений FM с обобщением редких функций, разделением низкого ранга и ограничениями скрытых факторов.
Вопрос 1 из 8
Как машина факторизации представляет взаимодействие парных признаков?
Предварительный просмотр каждого вопроса8 вопросы
Ответы и пояснения появляются по мере прохождения теста.
- Как машина факторизации представляет взаимодействие парных признаков?
- Скалярным произведением скрытых векторов объектов, масштабированных по их значениям.
- Отдельным неограниченным параметром для каждой возможной пары функций.
- Сортируя имена объектов в алфавитном порядке
- Заменив все линейные члены деревом решений
- Почему факторы низкого ранга могут помочь в скудных данных о взаимодействии?
- Каждая пара должна встречаться одинаково часто
- Связанные объекты имеют общие параметры коэффициента в разных комбинациях
- Метод заполняет недостающие метки известными негативами.
- Это устраняет необходимость в обучающих наблюдениях.
- Что нужно простой линейной модели для представления взаимодействия пользователя с элементом?
- Цель, закодированная как временная метка
- Только больший перехват
- Явный термин перекрестной функции или взаимодействия.
- Оценка силуэта кластеризации
- Как можно эффективно вычислить парный член FM?
- Используйте только самое большое значение функции
- Создайте плотный параметр для каждой пары объектов.
- Сортируйте разреженную матрицу по целевому значению
- Используйте идентификатор квадратичной суммы вместо перечисления всех пар объектов.
- Что по умолчанию означают изученные скрытые измерения?
- Это причинные черты пользователя
- Это прогнозируемые параметры без гарантированного удобочитаемого значения.
- Они соответствуют именам функций один в один.
- Это калиброванные вероятности.
- Какое ограничение следует из формулировки ФМ второго порядка?
- Требуются плотные примеры для каждой пары.
- Он не может включать эффекты линейных объектов.
- Он представляет собой парные взаимодействия, а не произвольные эффекты более высокого порядка напрямую.
- Он предсказывает только бинарные результаты
- Зачем оценивать пользователей или элементы с холодным запуском отдельно?
- У них есть известные ярлыки по определению.
- Их факторы всегда более точны.
- Они устраняют предвзятость экспозиции
- Им может не хватать изученных факторов или достаточной истории взаимодействия.
- Что не может доказать оценка FM в отношении усвоенного взаимодействия?
- Взаимодействие носит причинный характер
- Что модель использовала значения признаков
- Эти факторы были оптимизированы
- Что прогноз можно оценить