Font size
WorksheetsMini Game - present Fcode
Total questions: 20
Worksheet time: 11mins
Có bao nhiêu bước trong quy trình học có giám sát?
3
4
5
6
Phương pháp đo khoảng cách phổ biến của thuật toán KNN là khoảng cách Euclid ?
Đúng
Sai
Có bao nhiêu thuật toán hỗ trợ trong học có giám sát được đề cập ở bài thuyết trình vừa rồi?
5
6
7
8
Trong quy trình hoạt động của học có giám sát, ở bước 2 dữ liệu thường được chia theo tỉ lệ bao nhiêu?
50/50
60/40
70/30
80/20
Thuật toán nào sau đây thường được sử dụng trong học có giám sát?
Gom cụm K-means (K-means clustering)
Phương pháp Monte Carlo
Phân tích thành phần chính (PCA) ( Principal component analysis)
Hồi quy logistic (Logistic regression)
Đặc điểm chính của Học tập có giám sát là gì?
Không có đầu ra được dán nhãn nào được cung cấp
Việc đào tạo bao gồm việc cung cấp thuật toán với các ví dụ được gắn nhãn
Liên quan đến việc tìm kiếm các mẫu trong dữ liệu chưa được gắn nhãn
Tập trung vào việc ra quyết định thông qua thử và sai
Điều nào sau đây là ví dụ về nhiệm vụ học có giám sát?
Phân cụm
Giảm kích thước
Nhận dạng hình ảnh
Hồi quy không giám sát
Làm thế nào để một tác nhân trong học tăng cường nhận được phản hồi từ môi trường?
Ví dụ được dán nhãn
Chỉ xử phạt
Không nhận được phản hồi
Khen thưởng hoặc xử phạt
Học bán giám sát đặc biệt hữu ích trong trường hợp nào?
Khi dữ liệu được dán nhãn có nhiều
Khi việc thu thập dữ liệu được dán nhãn tốn kém hoặc mất thời gian
Khi tập dữ liệu nhỏ
Khi không cần mẫu từ dữ liệu chưa được gắn nhãn
Đặc điểm của học bán giám sát là gì?
Tận dụng lợi ích của dữ liệu được gắn nhãn và trích xuất các mẫu từ dữ liệu không được gắn nhãn
Chỉ tập trung vào dữ liệu được gắn nhãn
Kết hợp các khía cạnh của học tập có giám sát và tăng cường
Chỉ hữu ích trong các tình huống có nhiều dữ liệu được gắn nhãn
Trong thực tế, máy hỗ trợ vector được sử dụng nhiều để
Lọc email
Dự đoán số lượt người truy cập trang web
Nhận dạng chữ viết tay
Thuật toán máy hỗ trợ vector viết tắt là gì?
(a)
Đâu là ứng dụng thực tế của thuật toán Naive Bayes?
xử lý ngôn ngữ tự nhiên, lọc email, phân tích cảm xúc và phát hiện thư rác
dự đoán thời gian người dùng dừng lại một trang nào đó hoặc số người dùng đã truy cập vào một website nào đó…
sử dụng nhiều trong các bài toán nhận dạng chữ viết tay, phân loại ảnh, phân loại spam, phân tích dữ liệu y sinh…
Naive Bayes là thuật toán phân loại dựa trên tính toán xác suất áp dụng định lý gì
(a)
Dữ liệu được dán nhãn trong Học có giám sát có tác động gì đến hiệu suất và độ chính xác của mô hình như thế nào?
Giúp mô hình luôn dự đoán đúng
Giúp mô hình học từ kết quả có sẵn và dự đoán chính xác hơn
Giúp mô hình không phải xử lý dữ liệu mới
Không ảnh hưởng gì đến kết quả dự đoán và độ chính xác của mô hình
Làm thế nào việc giải thích dự đoán ảnh hưởng đến việc sử dụng mô hình supervised learning trong các lĩnh vực khác nhau?
cho phép hiểu và chấp nhận dễ dàng hơn trong các ngành đề cao tính minh bạch và chú trọng khả năng diễn giải.
hạn chế khả năng diễn giải của mô hình, khiến việc hiểu rõ cách mà mô hình ra quyết định trở nên không thể.
tính minh bạch giảm do dữ liệu được gắn nhãn cung cấp quá ít thông tin về các quyết định của mô hình.
khả năng diễn giải không liên quan đến dữ liệu được gắn nhãn, mà phụ thuộc vào cách mà mô hình được xây dựng và cấu hình.
Những hạn chế khi phụ thuộc vào các tập dữ liệu được gán nhãn và những hạn chế về khả năng mở rộng mô hình?
Giảm chi phí, tiết kiệm thời gian và nhân lực
Không ảnh hưởng đến khả năng mở rộng vì mô hình có thể thích nghi với dữ liệu mới
Có thể tự động học từ dữ liệu mới mà không cần sự can thiệp của con người
Tốn kém, mất thời gian để xây dựng các tập dữ liệu có dán nhãn và cản trở khả năng mở rộng của mô hình
Supervised Learning đóng góp như thế nào vào việc phân khúc khách hàng ?
Dữ liệu của khách hàng không có tác động đến việc phân loại khách hàng.
Dữ liệu gán nhãn về hành vi mua sắm và sở thích của khách hàng không cần thiết cho mô hình Supervised Learning.
Mô hình Supervised Learning phân loại khách hàng dựa trên hành vi mua sắm và sở thích để đưa ra dự đoán và đề xuất cá nhân hoá.
Mô hình Supervised Learning sử dụng dữ liệu nhân khẩu học để phân loại khách hàng.
Tại sao Overfitting là một vấn đề lớn trong thuật toán Supervised Learning ?
Vì Supervised Learning bị quá tải và không thể tiếp tục xử lý các dữ liệu hiện có
Vì mô hình chỉ học từ các mẫu cơ bản trong dữ liệu huấn luyện
Vì mô hình không ghi nhớ noise từ dữ liệu
Vì mô hình ghi nhớ noise trong dữ liệu huấn luyện thay vì học các mẫu cơ bản và dẫn đến hiệu suất kém trên dữ liệu mới
Trên thực tế, Hồi quy tuyến tính thường được ứng dụng rộng rãi trong nhiều lĩnh vực, từ dự báo giá cả, điểm số, đầu ra sản xuất đến dữ liệu chuỗi thời gian (time series)?
Đúng
Sai
