此页面由 Cloud Translation API 翻译。 嵌入 (Embeddings)：测试您的知识 返回到课程 以下哪些特征适合嵌入？（请选择所有适用选项） 选择合适的多项回答。 1999 年至 2024 年日本东京每日最高气温 1 万部戏剧的流派分类：喜剧、悲剧性事件或历史 地球上 150 多万种动物的科学名称 大型软件项目中的代码行 您正在使用包含 1 万首歌曲的数据库构建歌曲相似度嵌入，该数据库表示为独热编码。您的嵌入有多少个维度？ 10,000 个维度 超过 10,000 个维度 少于 10,000 个维度 相比同一数据的独热编码表示，以下哪些是特征数据的嵌入向量表示的优势？（请选择所有适用选项） 选择合适的多项回答。 嵌入表示在训练期间要调整的权重较少。 嵌入表示法可以对语义关系进行编码。 基于嵌入表示法训练的模型不需要使用测试集进行评估。 嵌入表示法可以更轻松地显示在可视化中。 判断正误：经过训练的神经网络的隐藏层可以用作嵌入。 True False 在以下关于 word2vec 的表述中，哪些是正确的？（请选择所有适用选项） 选择合适的多项回答。 Word2vec 是用于创建字词向量表示的众多技术之一。 Word2vec 将语义上相似的字词映射到几何空间中彼此靠近的嵌入向量。 Word2vec 将具有多种含义的字词映射到多个嵌入向量。 Word2vec 会生成上下文嵌入。 提交回答 error_outline 系统对测验进行评分时出现错误。请重试。
