แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการจำแนกประเภทหลายป้ายกำกับ

ครอบคลุมป้ายกำกับที่ไม่ผูกขาด ความเกี่ยวข้องแบบไบนารีและกลุ่มตัวแยกประเภท ชุดกำลังของป้ายกำกับ และวิธีที่ Hamming loss ให้คะแนนข้อผิดพลาดของป้ายกำกับแต่ละรายการ

เส้นทางแนะนำที่เกี่ยวข้องการจำแนกประเภทฉลากหลายแบบ
คำถาม 1 ของ 8

เรื่องข่าวสามารถรับได้ทั้งแท็ก "การเมือง" และ "การเงิน" การตั้งค่าเป้าหมายใดที่เหมาะกับงานนี้

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. เรื่องข่าวสามารถรับได้ทั้งแท็ก "การเมือง" และ "การเงิน" การตั้งค่าเป้าหมายใดที่เหมาะกับงานนี้
    • การจัดประเภทหลายป้ายกำกับใช้ได้กับข้อมูลรูปภาพเท่านั้น
    • การจำแนกประเภทหลายคลาสจะใช้ป้ายกำกับมากกว่าการจำแนกประเภทหลายป้ายกำกับเสมอ
    • การจัดประเภทหลายป้ายกำกับอนุญาตให้มีป้ายกำกับเป็นศูนย์ หนึ่ง หรือหลายป้ายต่อตัวอย่าง แทนที่จะเป็นเพียงป้ายเดียว
    • ไม่มีความแตกต่างที่มีความหมายระหว่างทั้งสอง
  2. เมื่อแท็กภาพยนตร์ เช่น "ระทึกขวัญ" และ "แอ็คชั่น" มักเกิดขึ้นร่วมกัน ความเกี่ยวข้องแบบไบนารี่อิสระมีข้อจำกัดอะไรบ้าง
    • โดยจะละเว้นความสัมพันธ์ที่อาจเกิดขึ้นระหว่างป้ายกำกับ
    • ไม่สามารถนำไปใช้กับตัวแยกประเภทมาตรฐานได้
    • โดยต้องมีการติดป้ายกำกับทุกชุดที่เป็นไปได้ของป้ายกำกับเป็นคลาสของตัวเอง
    • ใช้งานได้กับป้ายกำกับสองรายการเท่านั้น
  3. กลุ่มตัวแยกประเภทจะจัดการกับข้อ จำกัด ของความสัมพันธ์แบบไบนารีตามคำแนะนำอย่างไร
    • โดยละเลยการเรียงลำดับฉลากโดยสิ้นเชิง
    • โดยการฝึกตัวแยกประเภทเพียงตัวเดียวสำหรับป้ายกำกับทั้งหมดรวมกัน
    • โดยการลบป้ายกำกับที่เกิดขึ้นร่วมบ่อยเกินไป
    • โดยการป้อนคำทำนายของตัวแยกประเภทก่อนหน้าในห่วงโซ่ให้เป็นอินพุตพิเศษโดยป้อนตัวแยกประเภทแต่ละตัว
  4. แนวทาง Powerset ของฉลากประสบปัญหาใดตามที่อธิบายไว้ในคู่มือ
    • ไม่สามารถจัดการความสัมพันธ์ของป้ายกำกับใดๆ ได้
    • ปัญหาจะเกิดขึ้นเมื่อจำนวนชุดฉลากที่เป็นไปได้เพิ่มขึ้นมากเกินไปเมื่อเทียบกับข้อมูลการฝึกอบรม
    • ต้องมีฟังก์ชันการเปิดใช้งานซิกมอยด์
    • ใช้งานได้กับการป้อนตัวเลขเท่านั้น
  5. เหตุใดความแม่นยำมาตรฐานจึงถือเป็นเมตริกการประเมินที่ไม่ดีสำหรับการจำแนกประเภทหลายป้ายกำกับตามคำแนะนำ
    • เนื่องจากความแม่นยำไม่สามารถคำนวณสำหรับปัญหาไบนารี่ได้
    • เพราะความแม่นยำต้องอาศัยการเร่งความเร็วของ GPU
    • เนื่องจากการทำนายสามารถถูกต้องได้บางส่วน ซึ่งความแม่นยำธรรมดาไม่สามารถจับได้ดีนัก
    • เพราะปัญหาหลายป้ายไม่เคยมีคำตอบที่ถูกต้อง
  6. สำหรับโครงข่ายประสาทเทียมที่อาจกำหนดแท็กอิสระหลายแท็ก คู่มือนี้อธิบายการตั้งค่าเอาต์พุตแบบใด
    • Sigmoid ใช้อย่างอิสระกับแต่ละโหนดเอาต์พุต
    • ReLU นำไปใช้กับแต่ละป้ายกำกับ
    • Tanh ใช้กับเอาต์พุตรวมเดี่ยว
    • Softmax นำไปใช้กับคู่ของฉลาก
  7. ในงานแท็กเรื่องราวที่สามารถใช้ทั้ง "การเมือง" และ "การเงิน" ได้ เหตุใดเอาต์พุต softmax มาตรฐานจึงไม่เหมาะสม
    • มันทำให้ความน่าจะเป็นของคลาสแข่งขันกันและรวมเป็นหนึ่ง แม้ว่าแท็กหลายแท็กอาจเป็นจริงพร้อมกันก็ตาม
    • มันทำให้แต่ละแท็กที่เป็นไปได้มีเอาต์พุตไบนารีแยกกัน
    • ไม่สามารถแสดงป้ายกำกับได้มากกว่าสองป้าย
    • โดยไม่จำเป็นต้องมีตัวอย่างการฝึกอบรมอีกต่อไป
  8. ตามส่วน FutureOutlook วิธีการพื้นฐานใดที่ยังคงใช้กันทั่วไปในการผลิตแม้ว่าจะไม่ได้สร้างแบบจำลองความสัมพันธ์ของฉลากก็ตาม
    • พาวเวอร์เซ็ตฉลาก
    • ความเกี่ยวข้องแบบไบนารี
    • โซ่ลักษณนาม
    • การสร้างแบบจำลองการพึ่งพาฉลากตามกราฟ