Maswali yanayounganishwa na mwongozo · Ngumu Kiwango

Maswali ya Mchakato wa Gaussian

Hukagua ugawaji wa chaguo za kukokotoa za GP, kokwa, kutokuwa na uhakika wa nyuma, kuongeza ukubwa wa ujazo, urekebishaji wa vigezo na uboreshaji wa Bayesian.

Njia za mwongozo zinazohusianaTaratibu za Gaussian
Swali 1 ya 8

Mchakato wa Gaussian unafafanua usambazaji wa uwezekano juu ya nini?

Hakiki kila swali8 maswali

Majibu na maelezo huonekana unapojibu maswali.

  1. Mchakato wa Gaussian unafafanua usambazaji wa uwezekano juu ya nini?
    • Kazi
    • Pointi za data za kibinafsi pekee
    • Lebo za darasa tofauti
    • Uzito wa mtandao wa neva
  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. Je, kernel (kazi ya covariance) ina jukumu gani katika GP?
    • Inaweka lebo data ya mafunzo
    • Inaondoa hitaji la data ya mafunzo
    • Husimba jinsi matokeo yanayofanana kwa ingizo zilizo karibu
    • Inaweka kiwango cha kujifunza
  4. Kwa nini Taratibu za kawaida za Gaussian zinapambana na hifadhidata kubwa sana?
    • Haziwezi kuwakilisha vitendakazi visivyo vya mstari
    • Wanahitaji madarasa yenye lebo
    • Wanapuuza data ya mafunzo kabisa
    • Kugeuza matrix ya kernel kunagharimu takriban wakati wa n-cubed
  5. Vigezo vya GP kama vile kiwango cha urefu kawaida huchaguliwa?
    • Kwa kuongeza uwezekano wa pembezoni
    • Kwa kubahatisha bila mpangilio
    • Kwa kupunguza idadi ya pointi za data
    • Wao ni daima fasta na kamwe tuned
  6. Ni katika mbinu gani maarufu ambayo Mchakato wa Gaussian ni sehemu ya msingi?
    • Uainishaji wa picha za kimapinduzi
    • Uboreshaji wa Bayesian kwa urekebishaji wa hyperparameta
    • Tokenization ya maandishi
    • Uenezaji nyuma kupitia mitandao ya kina
  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