Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ
Câu đố chính quy
Kiểm tra các mục tiêu chính quy, hình phạt L1 và L2, bỏ học, dừng sớm, cường độ phạt và các ví dụ bằng số về mục tiêu chính quy.
Câu hỏi 1 của 8
Why would a practitioner add regularization when a model fits training-specific noise?
Xem trước mọi câu hỏi8 câu hỏi
Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.
- Why would a practitioner add regularization when a model fits training-specific noise?
- To guarantee zero training error
- To remove the need for validation data
- To guarantee a faster GPU kernel
- To discourage overfitting and evaluate whether unseen-data performance improves
- Kỹ thuật chính quy hóa nào có nhiều khả năng đưa một số trọng số về 0 nhất, giúp lựa chọn các tính năng một cách hiệu quả?
- Chính quy hóa L2 (giảm trọng lượng)
- Chính quy hóa L1
- Chuẩn hóa hàng loạt
- Tăng tỷ lệ học tập
- Làm thế nào để việc bỏ học thường xuyên hóa mạng lưới thần kinh trong quá trình đào tạo?
- Nó xóa các lớp vĩnh viễn khỏi mạng
- Nó cộng các trọng số bình phương vào hàm mất mát
- Nó tắt ngẫu nhiên các nơ-ron mỗi bước để chúng không thể cùng thích nghi
- Nó dừng đào tạo khi mất xác nhận tăng
- Trong sự mất mát chính quy 'lỗi + lambda × hình phạt', việc tăng lambda có tác dụng gì?
- Tăng cường hình phạt, đẩy mô hình tới giải pháp đơn giản hơn
- Làm suy yếu hình phạt và cho phép trọng lượng lớn hơn
- Loại bỏ hoàn toàn thuật ngữ lỗi
- Không có tác dụng lên tạ
- Tại sao việc dừng sớm có thể được coi là một hình thức điều chỉnh?
- Bởi vì nó cộng thêm một hình phạt về trọng lượng cho việc thua cuộc
- Bởi vì nó dừng quá trình huấn luyện trước khi mô hình bắt đầu điều chỉnh nhiễu trong dữ liệu
- Bởi vì nó làm tăng công suất mô hình theo thời gian
- Bởi vì nó loại bỏ ngẫu nhiên các tế bào thần kinh
- What can happen when regularization is strengthened beyond what a task needs?
- Both training and test accuracy must improve
- The penalty becomes unrelated to the objective
- Validation becomes unnecessary
- Mô hình có thể không phù hợp với cấu trúc hữu ích ngay cả khi phương sai giảm
- Đối với một ví dụ về chính quy hóa có trọng số trừ hai và một, hình phạt L1 không chia tỷ lệ và L2 tổng bình phương là bao nhiêu?
- L1 là ba và L2 là năm
- L1 là trừ một và L2 là ba
- L1 là năm và L2 là ba
- Cả hai hình phạt đều trừ hai
- Mục tiêu chính quy có lỗi dự đoán thứ hai, lỗi lambda một nửa và lỗi dự đoán thứ sáu. Tổng giá trị của nó là bao nhiêu?
- Tám
- Ba
- Năm
- một