Bài Quiz không có tiêu đề

Giải thuật Gradient Descent làm gì?

• Tìm giá trị nhỏ nhất của f(x)

• Tìm nghiệm của phương trình f(x) = 0

• Tìm nghiệm của phương trình f'(x) = 0

• Tìm giá trị lớn nhất của f(x)

Công thức cập nhật tham số w của Logistic Regression là w = w + η(y_i - sigmoid (w.x_i)) x_i. Điều gì xảy ra nếu lấy η quá nhỏ?

• Giải thuật cho kết quả khác nhau.

• Số bước cập nhật lớn

• không tìm được w như mong muốn

• Giải thuật lặp vô hạn

Bài toán phân 2 lớp, dữ liệu huấn luyện gồm N mẫu cps d chiều (d thuộc tính). Hỏi tham số w của mô hình Logistic Regression là vector có bao nhiêu chiều?

• d + 1

• d

• 2

Giải thuật Logistic Regression học siêu phẳng tách hai lớp từ liệu huấn luyện. Siêu phẳng tìm được không duy nhất vì

• Giải thuật sử dụng tham số dầu vào w ban đầu là các số ngẫu nhiên

• Số lần cập nhật tham số w không xác định

• Hàm mất mát thông tin có nhiều hơn một điểm cực tiểu

• Hàm mất mát thông tin có nhiều hơn một điểm cực

Giải thuật tìm kiếm theo hàm đánh giá sử dụng cấu trúc dữ liệu nào dưới đây?

• Hàm đợi (Queue)

• Mảng sắp theo thứ tự giá trị hàm h

• Ngăn xếp (Stack)

• Cây nhị phân

Công thức cập nhật tham số của mô hình Logistic Regression là

• w = w + η (w.x_i -y_i)x_i

• w = w + η (y_{i -} w.x_i)x_i

• w = w + y_ix_i

• w = w - y_ix_i

Khoảng cách Mahatan giữa State và Goal là

Hàm phân lớp của Perceptron là

• -w.x

• Sign (w.x)

• w.x

• Sigmoid (w.x)

Khẳng định nào sai ?

• Thời gian thực hiện của giải thuật A* ít hơn thời gian thực hiện giải thuật duyệt theo chiều rộng

• Hàm đánh giá sử dụng trong giải thuật A* là ước lượng chi phí từ trạng thái hiện tại đến trạng thái đích

• Không gian bộ nhớ của giải thuật A* nhỏ hơn không gian bộ nhớ của giải thuật duyệt theo chiều rộng

• Giải thuật A* và giải thuật duyệt theo chiều rộng đều cho lời giải tối

Khi nào thì giải thuật tìm kiếm best first với hàm đánh giá h(n) trở thành tìm kiếm theo chiều rộng?

• Khi h(n) = 1 với mọi n

• Khi h(n) = 0 với mọi n

• Khi h(n) là chi phí từ trạng thái đầu đến trạng thái n

• Khi h(n) là ước lượng chi phí từ trạng thái n đến trạng thái