Викторина о гауссовских процессах

Ответы и пояснения появляются по мере прохождения теста.

1. Гауссов процесс определяет распределение вероятностей по чему?
   • Функции
   • Только отдельные точки данных
   • Дискретные метки классов
   • Веса нейронной сети
2. Beyond a point estimate, what does a Gaussian Process return under its chosen kernel and noise assumptions?
   • Only an exact parameter vector
   • A posterior predictive distribution with an uncertainty estimate
   • A guaranteed calibrated interval under any model mismatch
   • A deterministic label with no variance
3. Какую роль играет ядро (ковариационная функция) в ГП?
   • Он маркирует данные обучения
   • Это устраняет необходимость в обучающих данных
   • Он кодирует, насколько схожи выходные данные для соседних входов.
   • Он устанавливает скорость обучения
4. Почему стандартные гауссовские процессы не справляются с очень большими наборами данных?
   • Они не могут представлять нелинейные функции
   • Им требуются помеченные классы
   • Они полностью игнорируют данные обучения
   • Инвертирование матрицы ядра занимает примерно n кубов времени.
5. Как обычно выбираются гиперпараметры GP, такие как масштаб длины?
   • Путем максимизации предельной вероятности
   • Путем случайного угадывания
   • Минимизируя количество точек данных
   • Они всегда фиксированы и никогда не настраиваются.
6. В какой популярной методике ключевым компонентом являются гауссовские процессы?
   • Классификация сверточных изображений
   • Байесовская оптимизация для настройки гиперпараметров
   • Токенизация текста
   • Обратное распространение ошибки через глубокие сети
7. Which kernel is described in the guide as smoother than the Matérn alternative?
   • A unigram frequency kernel
   • A transition-probability kernel
   • The RBF (squared exponential) kernel
   • The Viterbi kernel
8. Why can a GP’s predictive uncertainty widen far from training observations?
   • The model adds more observed labels automatically
   • The mean function becomes a neural network
   • The kernel matrix becomes smaller than zero
   • There is less nearby data constraining the function under the selected covariance assumptions