Questão de Inteligencia Artificial
Ao se construir e treinar um modelo, muitas vezes é necessário determinar uma série de hiperparâmetros, tais como: qual distância será usada, o número de vizinhos a serem analisados, a quantidade de camadas em uma rede neural artificial, o número de neurônios por camada, entre outros.
Marque a afirmação correta relacionada ao ajuste de hiperparâmetros:
A
A validação cruzada permite realizar uma avaliação mais isenta dos hiperparâmetros, uma vez que o uso de várias subdivisões tende a reduzir o viés (positivo ou negativo) que poderia existir se apenas uma única divisão do conjunto de treinamento fosse utilizada.
B
A validação cruzada procura realizar uma série de avaliações, de modo a determinar a performance associada a um dado hiperparâmetro independentemente da maneira como os dados foram divididos em subconjuntos ou mesmo do conteúdo desses subconjuntos que são usados para treino e validação.
C
É muito usual que se divida o conjunto de teste, de forma a se ter um subconjunto de dados para se avaliar quais valores de hiperparâmetros funcionam melhor.
D
Em uma validação cruzada de 3 dobras, divide-se o conjunto de treinamento em 3 subconjuntos e, de forma cíclica, se utiliza de cada um deles como conjunto de treinamento enquanto os outros dois são usados para validação dos hiperparâmetros.
Comentários
Ainda não há comentários para esta questão.
Seja o primeiro a comentar!