Bài kiểm tra dự đoán phù hợp

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

1. Phương pháp dự đoán tuân thủ đưa ra kết quả gì thay vì một nhãn duy nhất?
   • Bộ dự đoán hoặc khoảng thời gian có bảo đảm phạm vi bảo hiểm
   • Một mô hình được đào tạo lại với độ chính xác cao hơn
   • Ước tính điểm duy nhất không có sự chắc chắn
   • Giá trị mất mát của tập huấn luyện
2. Giả định nào làm cơ sở cho việc đảm bảo phạm vi bảo hiểm tuân thủ tiêu chuẩn?
   • Mô hình là một mạng lưới thần kinh
   • Điểm dữ liệu có thể trao đổi
   • Các tính năng độc lập với nhau
   • Các nhãn được cân bằng hoàn hảo
3. Vai trò của bộ hiệu chuẩn là gì?
   • Để đào tạo mô hình cơ bản
   • Để chọn tốc độ học tập
   • Để tính điểm không phù hợp đặt ra ngưỡng
   • Để loại bỏ các ngoại lệ khỏi dữ liệu huấn luyện
4. Nếu bạn đặt alpha = 0,1 thì bạn đang nhắm mục tiêu đến phạm vi nào?
   • 10%
   • 50%
   • 99%
   • 90%
5. Điều gì thường xảy ra với bộ dự đoán khi mô hình rất không chắc chắn về đầu vào?
   • Bộ này ngày càng lớn hơn, chứa nhiều nhãn ứng cử viên hơn
   • Bộ này trở nên trống rỗng
   • Ngưỡng bị bỏ qua
   • Mô hình được đào tạo lại tự động
6. Tại sao dự đoán phù hợp được gọi là 'không phân phối'?
   • Nó chỉ hoạt động trên dữ liệu Gaussian
   • Nó không yêu cầu giả định tham số về phân phối dữ liệu để đảm bảo phạm vi bảo hiểm của nó
   • Nó loại bỏ hoàn toàn việc phân phối dữ liệu
   • Nó giả định một sự phân bố đồng đều
7. A split-conformal classifier has 99 calibration examples and targets 90% marginal coverage. Which rank is used for the calibration quantile?
   • The 10th ordered score
   • The 99th score only
   • The 90th ordered calibration score (ceil((99+1) × 0.9))
   • The average of all labels
8. In classification, what can a nonconformity score such as 1 minus the candidate label probability represent?
   • Số đợt đào tạo
   • The probability that the calibration set is exchangeable
   • The class frequency in the test set
   • How poorly the model supports that candidate label for the example