แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ง่าย ระดับ

แบบทดสอบพื้นฐานการเรียนรู้ของเครื่อง

จำแนกงานแมชชีนเลิร์นนิงเชิงปฏิบัติ เปรียบเทียบพื้นฐาน ปกป้องข้อมูลการทดสอบ และระบุลักษณะทั่วไปหรือความล้มเหลวในการปรับใช้ที่ค่าเฉลี่ยสามารถซ่อนไว้ได้

เส้นทางแนะนำที่เกี่ยวข้องพื้นฐานการเรียนรู้ของเครื่อง
คำถาม 1 ของ 8

ร้านค้าแห่งหนึ่งต้องการประมาณยอดขายของสัปดาห์หน้าเป็นตัวเงินจากยอดขายในอดีตและฟีเจอร์ปฏิทิน งานนี้คืองานประเภทใด

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. ร้านค้าแห่งหนึ่งต้องการประมาณยอดขายของสัปดาห์หน้าเป็นตัวเงินจากยอดขายในอดีตและฟีเจอร์ปฏิทิน งานนี้คืองานประเภทใด
    • Regression
    • การจำแนกประเภท
    • Clustering
    • การสร้างข้อความ
  2. ทีมสนับสนุนกำหนดข้อความขาเข้าแต่ละข้อความให้ตรงกับป้ายกำกับปัญหาที่ทราบแล้ว 5 ป้ายกำกับ งานใดที่ตรงกับเป้าหมายนั้น
    • Clustering
    • การจำแนกประเภท
    • Regression
    • การลดมิติข้อมูล
  3. นักวิเคราะห์จัดกลุ่มบทความข่าวที่ไม่มีป้ายกำกับตามความคล้ายคลึงกันโดยไม่มีหัวข้อที่กำหนดไว้ล่วงหน้า กำลังใช้งานงานใดอยู่
    • การจำแนกประเภท
    • Regression
    • Clustering
    • Forecasting
  4. โมเดลทำคะแนนได้ 98% ในบันทึกการฝึกอบรมแต่มีประสิทธิภาพต่ำในบันทึกใหม่ ข้อกังวลหลักคืออะไร
    • มีคอลัมน์อินพุตน้อยเกินไปตามคำนิยาม
    • พิสูจน์แล้วว่าป้ายกำกับถูกต้อง
    • เป็นโมเดลการจัดกลุ่มโดยจำเป็น
    • อาจพอดีกับตัวอย่างการฝึกอบรมได้ดีโดยไม่ generalize ไปยังอินพุตใหม่
  5. เหตุใดทีมจึงควรเก็บชุดทดสอบสุดท้ายไว้จากการปรับจูนโมเดลซ้ำๆ
    • การปรับจูนซ้ำๆ สามารถปรับการตัดสินใจให้เข้ากับชุดทดสอบได้ ซึ่งทำให้ความสามารถในการตรวจสอบที่เป็นอิสระลดลง
    • ชุดทดสอบมีไว้สำหรับปรับพารามิเตอร์ของโมเดลเท่านั้น
    • ชุดทดสอบป้องกันการเลือกเมตริก
    • ชุดข้อมูลการฝึกอบรมต้องมีขนาดเล็กกว่าเสมอ
  6. ทีมพยากรณ์เปรียบเทียบโมเดลที่ซับซ้อนกับวิธี "ใช้ค่าของเมื่อวานนี้" ก่อนที่จะนำไปใช้ กฎง่ายๆ นั้นมีวัตถุประสงค์เพื่ออะไร
    • ตัวแทนสำหรับการตรวจสอบหลังจากการปรับใช้
    • เส้นฐานที่แสดงว่าความเพิ่มซับซ้อนให้ข้อมูลที่มีประโยชน์หรือไม่
    • วิธีเปลี่ยนป้ายกำกับจากการถดถอยเป็นการจำแนกประเภท
    • การรับประกันว่าโมเดลที่ซับซ้อนมีความยุติธรรม
  7. โมเดลที่ปรับใช้งานอยู่จู่ๆ ก็ได้รับอุณหภูมิเป็นหน่วยฟาเรนไฮต์หลังจากได้รับการฝึกอบรมด้วยหน่วยเซลเซียส บทเรียนในเวิร์กโฟลว์ใดที่นำมาใช้ได้
    • ความแม่นยำในการทดสอบที่สูงทำให้หน่วยของอินพุตไม่สำคัญ
    • สถาปัตยกรรมของโมเดลเท่านั้นที่อาจทำให้เกิดความล้มเหลวได้
    • ข้อผิดพลาดอาจเกิดขึ้นจากการเตรียมการใช้งานจริงหรือการเปลี่ยนแปลงข้อกำหนดของอินพุต
    • การปรับใช้งานช่วยลดความจำเป็นในการตรวจสอบอินพุต
  8. ตัวจำแนกประเภทมีความแม่นยำโดยเฉลี่ยสูงแต่พลาดกรณีฉุกเฉินที่พบได้ยากเกือบทั้งหมด ทีมควรทำอย่างไร
    • ยอมรับเนื่องจากความแม่นยำโดยเฉลี่ยสูง
    • ปรับแต่งบนชุดทดสอบสุดท้ายจนกว่าคะแนนจะดีขึ้น
    • ลบกรณีที่พบได้ยากออกจากการประเมิน
    • ตรวจสอบกรณีที่ล้มเหลวและเลือกเมตริกที่สะท้อนถึงผลลัพธ์ของข้อผิดพลาด