Kiểm tra Chương 5: Học Mô Hình Tham Số

Early stopping là một kỹ thuật quan trọng trong việc tối ưu mô hình học máy để tránh hiện tượng gì?

• Variance

• Overfitting

• Bias

• Underfitting

Regularization được sử dụng để giảm thiểu hiện tượng gì trong mô hình học máy?

• Overfitting

• Underfitting

• Bias

• Variance

Robustness của một model đo lường khả năng chống lại ảnh hưởng xấu từ điểm nào trong dữ liệu?

• Mean

• Inliers

• Outliers

• Median

Ví dụ nào không phải là loss function dùng cho bài toán classification?

• Hinge loss

• Squared error loss

• Absolute error loss

• Exponential loss

Gradient descent hoạt động dựa trên việc tính toán và cập nhật tham số mô hình theo gì?

• Gradient của hàm mục tiêu

• Loss function

• Hessian của hàm mục tiêu

• Regularization term

Stochastic gradient descent sử dụng mini-batch để tính toán gradient và cập nhật tham số mô hình. Mini-batch là gì?

• Tập con nhỏ của dữ liệu huấn luyện

• Toàn bộ dữ liệu huấn luyện

• Tập kiểm tra

• Tập validation

Hyperparameter là các tham số được xác định trước khi huấn luyện mô hình. Chúng ảnh hưởng đến hiệu suất của mô hình nhưng không thể được học từ dữ liệu huấn luyện. Đúng hay sai?

• Đúng

• Không rõ

• Sai

• Cần thêm thông tin

Learning rate quyết định tốc độ hội tụ của thuật toán Gradient Descent. Với learning rate quá nhỏ, thuật toán sẽ hội tụ chậm. Với learning rate quá lớn, thuật toán có thể bị mất ổn định và không hội tụ. Đúng hay sai?

• Đúng

• Sai

• Không rõ

• Cần thêm thông tin

Có thể thay đổi learning rate trong quá trình training để giúp thuật toán hội tụ nhanh hơn và tìm được cực tiểu toàn cục của hàm chi phí. Đúng hay sai?

• Đúng

• Sai

• Cần thêm thông tin

• Không rõ

Adam và Ada là các phương pháp tối ưu hóa tham số dựa trên giá trị gradient trước đó. Đúng hay sai?

• Không rõ

• Sai

• Cần thêm thông tin

• Đúng