Lựachọnnàosauđâylàđúng?

Cácgiátrịsailệchcủahồiquytuyếntínhphảicóphânphốichuẩnnhưngtrongtrườnghợphồiquylogisticthìkhôngphảinhưvậy

Cácgiátrịlỗihồiquylogisticphảicóphânphốichuẩnnhưngtrongtrườnghợphồiquytuyếntínhthìkhông.

Cảhaigiátrịlỗihồiquytuyếntínhvàhồiquylogisticcóphânphốichuẩn

Cảhaigiátrịlỗihồiquytuyếntínhvàhồiquylogistickhôngcóphânphốichuẩn

Giả sử, bạn đã áp dụng mô hình Hồi quy logistic trên một dữ liệu nhất định và nhận được độ chính xác training accuracy X và testing accuracy Y. Bây giờ, bạn muốn thêm một vài trường (thuộc tính) mới trên cùng dữ liệu đó. Chọn (các) tùy chọn phù hợp/đúng trong trường hợp này. Lưu ý: Xem xét các thông số còn lại giống nhau.

Độ chính xác training accuracy tăng lên

Độ chính xác testing accuracy tăng lên hoặc giữ nguyên

Độ chính xác của quá trình huấn luyện training accuracy tăng lên hoặc giữ nguyên

Độ chính xác testing accuracy giảm

Chọn tùy chọn nào sau đây là đúng đối với phương pháp One-Vs-All để mở rộng mô hình Logistic Regression cho phân loại nhiều lớp.

Chúng ta cần sắp xếp mô hình trong bài toán phân loại cấp n

Chúng ta cần n-1 mô hình để phân loại thành n lớp

Chúng ta chỉ cần lắp 1 mô hình để phân loại thành n lớp

Không có phát biểu nào đúng

Xét bài toán phân loại 2 lớp với đường biên có phương trình Y=β0+β1*X. Ở đây, β0 là hệ số tự do intercept và β1 là hệ số. Dưới đây là hai mô hình logistic khác nhau với các giá trị khác nhau cho β0 và β1. (Các) phát biểu nào sau đây là đúng về giá trị β0 và β1 của hai mô hình logistics (đồ thị tăng và đồ thị giảm – tính từ trái sang phải)?

β1 của mô hình ứng với đồ thị giảm nhỏ hơn của đồ thị tăng

β1 của mô hình ứng với đồ thị giảm lớn hơn của đồ thị tăng

β1 cho cả hai mô hình là như nhau

Giảsửbạnđangsửdụngmôhìnhhồiquylogistictrênmộttậpdữliệulớn.MộttrongnhữngvấnđềbạncóthểgặpphảivớidữliệukhổnglồnhưvậylàhồiquyLogisticsẽmấtrấtnhiềuthờigianđểhuấnluyện.Điềugìsẽxảyranếubạnmuốnhuấnluyệnmôhìnhhồiquylogistictrêncùngmộtdữliệusẽmấtítthờigianhơncũngnhưcungcấpđộchínhxáctươngđốigiốngnhau(cóthểkhônghoàntoàngiốngnhau)?

Tănghệsốhọcvàgiảmsốlầnlặp

Giảmhệsốhọcvàgiảmsốlầnlặp

Giảmhệsốhọcvàtăngsốlầnlặp

Tănghệsốhọcvàtăngsốlầnlặp

TronghồiquyMultinomialRegression,thuậtngữMultiđềcậpđến

Nhiềuhơnhaigiátrịđầura.

Sốlượnggiátrịđầuracốđịnh.

Nhiềuhơnmộtgiátrịđầura.

TronghồiquyMultinomialRegression,thuậtngữnomial(danhnghĩa)đềcậpđếngiátrịđầura

Chúnglàcácbiếndanhnghĩađểgánnhãnlớp

Chúnglàcácbiếncódạngthứtự.

Chúnglàcácbiếnliêntụcbìnhthường.

Trong Multinomial Regression, các biến kết quả danh nghĩa (nomial) có nghĩa là

Không có thứ tự trong kết quả

Có thứ tự trong biến kết quả.

Chỉ có hai biến kết quả.

Phải có nhiều hơn hai biến kết quả.

Hồi quy Softmax thường được coi là một phân tích hiệu quả bởi vì: nó không cần giả thiết dữ liệu phân bố chuẩn; dữ liệu phải có tính tuyết tính, hoặc dữ liệu có tính tương đồng.

Nó chỉ giả thiết dữ liệu phân bố chuẩn.

Không có điều nào ở trên.

Hồi quy Softmax có thể được đưa về trường hợp riêng là hồi quy

Không có điều nào ở trên.

Phát biểu nào sau đây là đúng về phương pháp hồi quy tuyết tính

Ước lượng đầu ra bằng cách xây dựng công thức y = f(x) = w^T. x (ở đây w^T là chuyển vị của vector/ma trận w), dựa vào ước lượng hợp lý cực đại

Là phương pháp phân loại theo hướng tiếp cận phân biệt

Phương pháp xác định phân lớp qua công thức y = f(x), dựa trên ước lượng hợp lý cực đại

Tất cả các ý trên đều sai

Ý nào là đúng về Học máy (ML-Machine Learning)?

Trọng tâm chính của ML là cho phép các hệ thống máy tính học hỏi kinh nghiệm mà không cần được lập trình rõ ràng hoặc có sự can thiệp của con người.

Học máy (ML) là lĩnh vực khoa học máy tính (Computer Science)

ML là một loại trí tuệ nhân tạo trích xuất các mẫu từ dữ liệu thông qua cách sử dụng một thuật toán hoặc phương pháp

Giả sử cần một mô hình học máy để nhận dạng/phân loại các chữ số viết tay. Các câu trả lời sau đây câu nào là đúng?

Có thể dùng mô hình Multinomial Naive Bayes hoặc/và Hồi quy SoftMax

Có thể dùng mô hình Multinomial Naive Bayes hoặc/và Hồi quy tuyến tính

Có thể dùng mô hình Hồi quy Logistic hoặc/và Hồi quy SoftMax

Có thể dùng mô hình Support Vector Machine với lề cứng (hard margin) hoặc/và Hồi quy Logistic

Tất cả các phương pháp được nêu trên

Trong phương pháp học máy dựa trên Mô hình, một quá trình lặp đi lặp lại trên các mô hình học máy được xây dựng dựa trên các tham số mô hình khác nhau được gọi là?

Hyperparameters (Siêu tham số)

Optimized Parameters (Tham số tối ưu)

Phát biểu nào sau đây là đúng về phương pháp Perceptron?

Là phương pháp phân loại phân biệt, dựa vào việc tìm công thức y = f(x) theo ước lượng hợp lý cực đại

Là phương pháp phân loại phân biệt, dựa vào ước lượng xác suất để biến quan sát x rơi vào lớp y, khi đã biết x và bộ tham số của mô hình

Là phương pháp tìm một siêu phẳng tách các phân lớp của tập dữ liệu, sao cho khoảng cách lề (khoảng cách từ mỗi tập dữ liệu đến siêu phẳng tách) là bằng nhau và đạt cực đại

Là phương pháp tìm tổ hợp tuyến tính tách tập dữ liệu thành các phân lớp, và cho nghiệm duy nhất

Phương pháp phân tích thành phần chính (PCA-Principal Components Analysis) là phương pháp

Dựa vào khai triển kỳ dị để phân tích tính chất của tập dữ liệu, sau đó chiếu xuống một không gian tuyết tính với số chiều chọn trước

Sử dụng một tập dữ liệu huấn luyện (training dataset) để tìm ra quy luật, sau đó áp dụng cho tập dữ liệu mới

Học không giám sát (unsupervised) nhằm phân lớp dữ liệu dựa vào cấu trúc của tập dữ liệu

Các giá trị quá lớn của thống kê log-likelihood chỉ ra:

Rằng mô hình thống kê không phù hợp với dữ liệu.

Rằng có một số lượng lớn hơn các quan sát được giải thích và không được giải thích.

Rằng mô hình thống kê phù hợp với dữ liệu.

Khi biên dự báo tăng lên, khả năng xảy ra kết quả giảm.

Phát biểu nào sau đây về phương pháp Naive Bayes là đúng

Ước lượng P(x|y), xác suất để xảy ra x với thông tin đã biết về dữ liệu trong phân lớp y, theo phương pháp cực đại hóa hợp lý

Là phương pháp học máy không cần dữ liệu training (unsupervised)

Là một phương pháp học máy phân loại tiềm cận theo hướng phân biệt

Là phương pháp phân loại dựa vào ước lượng hàm xác suất để mô tả dữ liệu quan sát rời vào phân lớp y, với điều kiện x và tham số w đã biết

Không ý nào trong các ý trên.

Phát biểu nào sau đây là đúng về khả năng hiện tập dữ liệu tách được tuyết tính sử dụng trong bài toán phân loại?

Tồn tại các dạng tổ hợp tuyết tính (siêu phẳng) tách các điểm thuộc từng phân lớp dữ liệu

Các điểm dữ liệu trong không gian dữ liệu là tách được, tức là không có điểm dữ liệu nào thuộc về nhiều hơn 01 phân lớp.

Tồn tại các bao đóng dạng đa diện chứa tất cả các điểm thuộc từng phân lớp

Tất cả các phát biểu trên

Những độ đo và công cụ nào sau đây được sử dụng rộng rãi nhất để đánh giá một mô hình phân loại?

Tất cả những điều trên

Ma trận nhầm lẫn (Confusion matrix)

Độ chính xác nhạy cảm với chi phí

Diện tích dưới đường cong ROC

Học máy là lĩnh vực riêng của

Không có câu trả lời nào đúng

Hồi quy logistic được sử dụng khi bạn muốn:

Dự đoán một biến rời rạc từ các biến liên tục hoặc rời rạc

Dự đoán một biến liên tục từ các biến rời rạc

Dự đoán bất kỳ biến phân loại nào từ một số biến phân loại khác.

Dự đoán một biến liên tục từ các biến rời rạc hoặc liên tục.

Machine Learning là gì?

Việc tiếp thu một cách tự động kiến thức thông qua việc sử dụng các chương trình máy tính

Việc tiếp thu có chọn lọc kiến thức thông qua việc sử dụng các thủ tục thao tác trực tiếp

Việc tiếp thu có chọn lọc kiến thức thông qua việc sử dụng các chương trình máy tính

Việc tiếp thu một cách tự động kiến thức thông qua việc sử dụng các thủ tục thao tác trực tiếp

Quyết định thời gian thực, Game AI, Learning Tasks, Thuthập kỹ năng và Điều hướng Robot là các ứng dụng của

Unsupervised Learning: Regression

Giả sử cần phân loại tế bào ung thư là lành tính hay ác tính dựa vào một mô hình Naive Bayes, trong dữ liệu quan sát có một chỉ số sinh học tính theo %, là tỷ lệ xuất hiện của một chất trên mỗi gram sinh thiết. Ta có thể áp dụng mô hình nào

Tất cả các mô hình trên

Trong hồi quy Logistic nhị phân

Biến phụ thuộc bao gồm hai loại.

Biến phụ thuộc là liên tục.

Biến phụ thuộc được chia thành hai danh mục con bằng nhau.

Không có biến phụ thuộc.

Trong hồi quy logistic, chúng ta ước tính điều gì cho một thay đổi của mỗi phần tử trong tập biến quan sát X?

Logarit tự nhiên của khả năng Y=1 thay đổi bao nhiêu

Sự thay đổi của giá trị Y*Y

Sự thay đổi của Y so với giá trị trung bình của nó

Sự thay đổi giá trị của Y

Dạng nào sau đây là một phương pháp Học máy

Học không giám sát (không huấn luyện - Unsupervised Learning)

"Học" dựa trên sự giám sát (huấn luyện) của con người

Học bán củng cố (Semi-reinforcement Learning)

HọcmáylàmộtlĩnhvựcAIbaogồmcácthuậttoánhọctập..............

Khithựchiệnmộtsốnhiệmvụ

Theothờigianvớikinhnghiệm

Tựcảithiệnhiệusuấtcủachúng

Hồiquylogisticgiảđịnh:

Mốiquanhệtuyếntínhgiữacácbiếndựbáoliêntụcvàlogarithmcủabiếnkếtquả.

Mốiquanhệtuyếntínhgiữacácbiếndựbáoliêntụcvàbiếnkếtquả.

Mốiquanhệtuyếntínhgiữacácbiếndựbáoliêntục.

Mốiquanhệtuyếntínhgiữacácquansát.

PhátbiểunàosauđâylàđúngvềphươngphápHồiquyLogistic

Làphươngphápphânloạidựavàotiếpcậnphânbiệt,trongđóxâydựngxácsuấtP(y|x),vớiylàphânlớpvàxlàdữliệuquansát,dựavàoướclượnghợplýcựcđại

Xâydựngđánhgiáxácsuấtđểmộtdữliệuquansátthuộcvềmộtphânlớpdựavàotiếpcậntạosinh(Generative)

Làphươngphápphânloạidựavàotiếpcậnphânbiệt,trongđóxâydựngánhxạquanhệy=f(x),vớiylàphânlớpvàxlàdữliệuquansát

Khithựchiệncácmôhìnhhồiquyhoặcphânloại,quytrìnhnàosauđâylàđúngđểxửlýtrướcdữliệu?

Chuẩnhóadữliệu->PCA->Huấnluyện

PCA->chuẩnhóađầuraPCA->Huấnluyện

Chuẩnhóadữliệu->PCA->ChuẩnhóađầuraPCA->Huấnluyện

Trắc nghiệm Machine Learning

Authored by Anh Minh

Computers

University

Used 6+ times

AI Actions

Add similar questions

Adjust reading levels

Convert to real-world scenario

Translate activity

More...

Content View

Student View

72 questions

Show all answers

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

HồiquyLogisticcóphảilàthuậttoánhọcmáycógiámsátkhông?

Đúng

Sai

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

HồiquyLogisticcóchủyếuđượcsửdụngchobàitoánhồiquykhông?

Đúng

Sai

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

CóthểápdụngvàmởrộngthuậttoánhồiquylogisticchobàitoánPhânloại3lớpkhông?

Đúng

Sai

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

ChúngtasửdụngphươngphápnàosauđâylàphùhợpnhấtvớiviệcsokhớpdữliệutrongLogisticRegression?

LeastSquareError

MaximumLikelihood

Jaccarddistance

CảAvàB

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Khôngthểápdụngphươngphápđánhgiánàosauđâytrongtrườnghợphồiquylogisticđểsosánhđầuracủamôhìnhvớivớinhãntrongtậptraining?

AUC-ROC

Accuracy

Logloss

Mean-Squared-Error

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

CầnphảichuẩnhóacáctrườngdữliệutrướckhiđưavàotrainingbằngmộtmôhìnhHồiquyLogistic.

ĐÚNG

SAI

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Hãy xem xét một mô hình sau đây cho hồi quy logistic:
P (y = 1 | x, w) = g (w0 + w1x)
trong đó g (z) là hàm logistic.
Trong phương trình trên, P (y = 1 | x; w), được xem như một hàm của x, mà chúng ta có thể
nhận được bằng cách thay đổi các tham số w.
Phạm vi giá trị của P trong trường hợp này là khoảng nào?

(0,∞)

(-∞,0)

(0,1)

(-1,1)

Access all questions and much more by creating a free account

Create resources

Host any resource

Get auto-graded reports

Continue with Google

Continue with Email

Continue with Microsoft

or continue with

Facebook

Apple

Others

Already have an account?

Similar Resources on Wayground

69 questions

Câu hỏi về mã độc và phân tích

Quiz

•

University

74 questions

Câu hỏi về môn Tin học

Quiz

•

University

68 questions

TV 9

Quiz

•

University

Popular Resources on Wayground

10 questions

HCS SCI 03 Summer School Assessment 1

Quiz

•

3rd Grade

15 questions

HCS SCI 05 Summer School Assessment 1 Review

Quiz

•

5th Grade

22 questions

Day 9 Equations and Inequalities Review

Quiz

•

9th Grade

10 questions

Writing and Identifying Ratios Practice

Quiz

•

5th - 6th Grade

7 questions

PYRAMID PERSPECTIVES part 1

Presentation

•

9th - 12th Grade

12 questions

Understanding the Fourth of July

Quiz

•

9th Grade

15 questions

Soccer World Cup Quiz Questions

Quiz

•

7th Grade

Trắc nghiệm Machine Learning

HồiquyLogisticcóphảilàthuậttoánhọcmáycógiámsátkhông?

HồiquyLogisticcóchủyếuđượcsửdụngchobàitoánhồiquykhông?

CóthểápdụngvàmởrộngthuậttoánhồiquylogisticchobàitoánPhânloại3lớpkhông?

ChúngtasửdụngphươngphápnàosauđâylàphùhợpnhấtvớiviệcsokhớpdữliệutrongLogisticRegression?

Khôngthểápdụngphươngphápđánhgiánàosauđâytrongtrườnghợphồiquylogisticđểsosánhđầuracủamôhìnhvớivớinhãntrongtậptraining?

CầnphảichuẩnhóacáctrườngdữliệutrướckhiđưavàotrainingbằngmộtmôhìnhHồiquyLogistic.

Giảsửbạnđàotạomộtbộphânloạihồiquylogisticvàhàmquyếtđịnhhθcủabạnlà. TrongđóHìnhnàodướiđâysẽđạidiệnchođườngbiênphânchia cácclassđượcđưarabởitrìnhphânloạiởtrên?
theta0 = 6, 1 = 0, 2 = -1

Giả sử bạn đào tạo một bộ phân loại hồi quy logistic và hàm quyết định hθ của bạn là hθ(x) = g(θ0 + θ1x1 + θ2x2)
Trong đó θ0 = 6, θ1 = -1, θ2 = 0
. Hình nào dư

Access all questions and much more by creating a free account

Similar Resources on Wayground

Popular Resources on Wayground

Trắc nghiệm Machine Learning

HồiquyLogisticcóphảilàthuậttoánhọcmáycógiámsátkhông?

HồiquyLogisticcóchủyếuđượcsửdụngchobàitoánhồiquykhông?

CóthểápdụngvàmởrộngthuậttoánhồiquylogisticchobàitoánPhânloại3lớpkhông?

ChúngtasửdụngphươngphápnàosauđâylàphùhợpnhấtvớiviệcsokhớpdữliệutrongLogisticRegression?

Khôngthểápdụngphươngphápđánhgiánàosauđâytrongtrườnghợphồiquylogisticđểsosánhđầuracủamôhìnhvớivớinhãntrongtậptraining?

CầnphảichuẩnhóacáctrườngdữliệutrướckhiđưavàotrainingbằngmộtmôhìnhHồiquyLogistic.

Giảsửbạnđàotạomộtbộphânloạihồiquylogisticvàhàmquyếtđịnhhθcủabạnlà. TrongđóHìnhnàodướiđâysẽđạidiệnchođườngbiênphânchia cácclassđượcđưarabởitrìnhphânloạiởtrên?theta0 = 6, 1 = 0, 2 = -1

Giả sử bạn đào tạo một bộ phân loại hồi quy logistic và hàm quyết định hθ của bạn là hθ(x) = g(θ0 + θ1x1 + θ2x2) Trong đó θ0 = 6, θ1 = -1, θ2 = 0. Hình nào dư

Access all questions and much more by creating a free account

Similar Resources on Wayground

Popular Resources on Wayground

Giảsửbạnđàotạomộtbộphânloạihồiquylogisticvàhàmquyếtđịnhhθcủabạnlà. TrongđóHìnhnàodướiđâysẽđạidiệnchođườngbiênphânchia cácclassđượcđưarabởitrìnhphânloạiởtrên?
theta0 = 6, 1 = 0, 2 = -1

Giả sử bạn đào tạo một bộ phân loại hồi quy logistic và hàm quyết định hθ của bạn là hθ(x) = g(θ0 + θ1x1 + θ2x2)
Trong đó θ0 = 6, θ1 = -1, θ2 = 0
. Hình nào dư