引導式測驗 · 中等 等級
預測記錄和推理資料擷取測驗
設計有用的推理記錄,同時管理隱私、代表性、模型版本連結和延遲結果連接。
問題 1 的 8
Which identifier helps link a later outcome to the exact prediction that produced it?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- Which identifier helps link a later outcome to the exact prediction that produced it?
- 穩定的請求或偽匿名實體金鑰與模型版本
- 目前模型的顯示名稱
- 隨機儀表板顏色
- 使用者的明文密碼
- 為什麼要同時記錄事件時間與攝取時間?
- 自動提升模型準確度
- 診斷延遲、重新排序或延遲的記錄
- 消除隱私風險
- 替換結果標籤
- 資料最小化對敏感請求負載建議什麼?
- 將機密資料複製到度量標籤
- 永久儲存每個原始輸入
- 僅收集定義目的所需的欄位
- 停用存取控制以便更易分析
- 為什麼在預測日誌中記錄取樣率?
- 證明標籤無偏差
- 確保每個取樣項目為正面
- 使時間戳不必要
- 了解記錄的案例是否代表整個請求族群
- 哪種訊號類型最適合隨時間聚合請求延遲?
- 原始模型提示文字
- Metrics
- 模型工件二進位檔
- 靜態部署清單
- 追蹤 ID 幫助連結什麼?
- 每位使用者到公開身份
- 模型的訓練標籤與其權重
- 單一請求在各服務之間的運算
- 容器摘要與其基礎映像檔
- 為什麼對識別碼進行雜湊處理可能無法提供匿名性?
- 它會改變預測分數
- 雜湊值會揭露模型準確度
- 雜湊值無法被儲存
- 它可能仍可被連結,或透過輔助資訊被重新識別
- 預測記錄不會自動產生什麼?
- 有效且具有代表性的真實標籤
- 所捕捉欄位的記錄
- 指向模型版本的連結
- 操作事件歷史