Bài kiểm tra về Machine Learning

Front

Trong Machine Learning, mục tiêu chính là gì?

Back

Tạo ra mô hình phù hợp với dữ liệu mới

Answer explanation

The main goal in Machine Learning is to create a model that can generalize well to new data, making it suitable for unseen data.

Front

Để ước lượng hiệu suất của một mô hình Machine Learning, phương pháp nào được sử dụng?

Back

Sử dụng tập dữ liệu kiểm tra và tập dữ liệu kiểm thử

Answer explanation

The correct choice is to use the test and validation datasets to estimate the performance of a Machine Learning model.

Front

Để tránh việc overfitting khi chọn mô hình và siêu tham số, ta nên làm gì?

Back

Sử dụng tập dữ liệu kiểm thử sau khi chọn mô hình

Answer explanation

To avoid overfitting when selecting a model and hyperparameters, one should use the test dataset after choosing the model.

Front

Phương pháp nào được sử dụng để ước lượng hiệu suất mô hình mà không cần tách dữ liệu ra thành tập kiểm tra?

Back

Kiểm tra k-Fold Cross-Validation

Answer explanation

k-Fold Cross-Validation is used to estimate model performance without the need to separate data into a test set.

Front

Mục đích chính của việc sử dụng test set trong Machine Learning là gì?

Back

Đánh giá hiệu suất cuối cùng của mô hình

Answer explanation

The main purpose of using a test set in Machine Learning is to evaluate the final performance of the model.

Front

Bias trong học máy đề cập đến điều gì?

Back

Sự sai lệch hệ thống trong mô hình so với giá trị thực tế

Answer explanation

Bias in machine learning refers to the systematic error in a model compared to the true value.

Front

Variance trong học máy đo lường điều gì?

Back

Sự biến đổi của mô hình mỗi khi được huấn luyện trên một tập dữ liệu khác nhau

Answer explanation

Variance in machine learning measures the model's variability when trained on different datasets.

Front

Irreducible error trong học máy là gì?

Back

Sự không thể tránh khỏi của lỗi không thể giảm được

Answer explanation

Irreducible error refers to the unavoidable error that cannot be reduced in a model, even with infinite data or perfect features.

Front

Để giảm lỗi mới trong học máy, cần xem xét điều gì?

Back

Cần cả giảm bias và variance

Answer explanation

To reduce errors in machine learning, both bias and variance need to be considered for optimization.

Front

Mục tiêu chính của việc phân tích bias và variance trong học máy là gì?

Back

Tìm ra mô hình tốt nhất cho bài toán cụ thể

Answer explanation

The main goal of analyzing bias and variance in machine learning is to find the best model for a specific problem.