MIID2380/IBMS1408 LEC10 2-65 Test

ข้อใด ไม่ใช่ การประเมินผลโมเดลสำหรับ การทำนายค่า (Regression)

• MAPE

• RMSE

• MAE

• F1-Score

ข้อใด ไม่ใช่ การประเมินผลโมเดลสำหรับ การจำแนกประเภท (Classification)

• R2-Score

• Recall

• Precision

• Accuracy

ข้อใดกล่าวถึงการเกิด Overfitting ได้ถูกต้อง

• Model จากการ Training มีความถูกต้องต่ำ แต่ค่าความถูกต้องสูงในการ Testing

• Model จากการ Training และ Testing มีความถูกต้องต่ำ

• Model จากการ Training มีความถูกต้องสูง แต่ค่าความถูกต้องต่ำในการ Testing

• Model จากการ Training และ Testing มีความถูกต้องสูง

ข้อใดกล่าวถึงการเกิด Underfitting ได้ถูกต้อง

• Model จากการ Training มีความถูกต้องต่ำ แต่ค่าความถูกต้องสูงในการ Testing

• Model จากการ Training และ Testing มีความถูกต้องต่ำ

• Model จากการ Training มีความถูกต้องสูง แต่ค่าความถูกต้องต่ำในการ Testing

• Model จากการ Training และ Testing มีความถูกต้องสูง

ในการประเมินผลโมเดลสำหรับการทำ Classification จะนิยมใช้เครื่องมือใด

• Diagonal Matrix

• Confusion Matrix

• Symmetric Matrix

• Scalar Matrix

ใน Confusion Matrix ในส่วน True Positive (TP) หมายถึงข้อใด

• พยากรณ์ถูกต้องตาม Class Positive

• พยากรณ์ถูกต้องตาม Class Negative

• พยากรณ์เป็น Class Positive ซึ่งไม่ถูกต้อง

• พยากรณ์เป็น Class Negative ซึ่งไม่ถูกต้อง

ใน Confusion Matrix ในส่วน False Positive (FP) หมายถึงข้อใด

• พยากรณ์ถูกต้องตาม Class Positive

• พยากรณ์ถูกต้องตาม Class Negative

• พยากรณ์เป็น Class Positive ซึ่งไม่ถูกต้อง

• พยากรณ์เป็น Class Negative ซึ่งไม่ถูกต้อง

Ensemble Learning Method คือกระบวนการในข้อใด

• การใช้โมเดลการเรียนรู้ที่หลากหลาย มาร่วมกันตัดสินข้อมูล

• การใช้โมเดลในการเรียนรู้แบบเชิงลึก (Deep Learning)

• การใช้ Learning Rate หลาย ๆ ค่าในโมเดลการเรียนรู้

• การใช้ Weight หลาย ๆ ค่าในโมเดลการเรียนรู้

วิธีการแบบ Bagging ข้อใดกล่าว ไม่ถูกต้อง

• โมเดลถูกสร้างจากชุดข้อมูลที่สุ่มจาก Training Dataset แบบคืน

• โมเดลแต่ละโมเดลจะถูกสร้างจากชุดข้อมูลที่ไม่เหมือนกัน

• การพิจารณาผลลัพธ์สามารถหาค่าเฉลี่ยจากทุกโมเดล

• การพิจารณาผลลัพธ์สามารถ Voting โดยโมเดลแต่ละตัวจะมีน้ำหนักไม่เท่ากัน

สำหรับวิธีการแบบ Boosting ข้อมูลที่ทำนายผิดพลาดจากโมเดลก่อนหน้าจะมีโอกาสในการถูกสุ่มเป็นอย่างไร

• มีโอกาสถูกสุ่มน้อยลง

• มีโอกาสถูกสุ่มมากขึ้น

• มีโอกาสถูกสุ่มเท่าเดิม

• ไม่มีโอกาสถูกสุ่ม