NEW
Font size
WorksheetsChapter 3: Machine learning
Total questions: 76
Worksheet time: 38mins
Phương pháp cho phép máy móc học từ dữ liệu để cải thiện tri thức không dựa trên các lập trình cụ thể là:
Học máy
Học theo quy tắc
Học Lập trình tuần tự
Học truyền thống
Điều nào dưới đây KHÔNG đúng về học máy?
Mô hình học máy có thể được học liên tục
Học máy xác định các quy luật, hành vi bằng cách so sánh những tập dữ liệu lớn để tìm ra các xu hướng chung
Sử dụng dữ liệu và các kết quả quan sát để xây dựng mô hình học máy
Sử dụng dữ liệu và các luật như làm dữ liệu đầu vào và dùng các dữ liệu này để xây dựng thuật toán cho ra kết quả
Ví dụ nào dưới đây là phương pháp học không giám sát?
Giải pháp nhận dạng con người trên xe tự lái
Giải pháp nhận dạng và đếm số cây chuối trên đồi dựa vào hình ảnh vệ tinh
Giải pháp tính thời lượng kiểm soát bóng của mỗi đội bóng trong một trận đấu
Tất cả các ví dụ trên
Các bài toán nào dưới đây có thể giải sử dụng phương pháp học máy?
Dự đoán kết quả khi tung đồng xu
Dự đoán kết quả sổ số
Dự đoán kết quả bóng đá
Dự đoán số viên bi trong một hộp kín
Để nhận dạng xe hơi theo thương hiệu, đặc trưng nào có thể được dùng như một biến dự báo?
Chiều dài
Dung tích xi-lanh
Logo
Chiều rộng
Phát biểu nào dưới đây là đúng?
Dữ liệu dán nhãn chỉ có thể dùng trong học không có giám sát
Dữ liệu dán nhãn chỉ có thể dùng trong học có giám sát
Dữ liệu dán nhãn có thể được dùng cho cả học có giám sát và không có giám sát
Dữ liệu dán nhãn chỉ có thể được dùng trong học củng cố
Vai trò của thuật toán trong mô hình học máy là?
Để phân loại dữ liệu
Để xác định mối liên hệ giữa các đặc trưng trong dữ liệu
Để kiểm tra tính chính xác của mô hình học máy
Để xác định sai số dự báo của mô hình học máy
Yếu tố nào dưới đây có thể là biến dự báo của mô hình học máy dự báo thị trường chứng khoán?
Điều kiện giao thông
Giá dầu mỏ
Điều kiện thời tiết
Tỷ lệ lạm phát
Tại sao cần dữ liệu thẩm định khi xây dựng mô hình học máy?
Để mô hình có thể học từ dữ liệu
Để xác định độ tin cậy của mô hình
Để cung cấp dữ liệu cho thuật toán
Để sử dụng mô hình học máy
Phương pháp nào dưới đây sử dụng mô hình học có giám sát?
Lựa chọn ngẫu nhiên
Kết hợp
Tìm kiếm
Phân loại
Tiếp thị mục tiêu, Hệ thống được đề xuất và Phân khúc khách hàng là những ứng dụng trong bài toán ?
Phân lớp
Phân nhóm
Hồi quy
Học tăng cường
Học có giám sát gồm những loại bài toán nào?
Phân lớp
Phân lớp và Hồi quy
Hồi quy
Phân nhóm
Để phân tích các thuật toán ML, chúng ta cần học ?
Lý thuyết tính toán (A)
Cả A và B đều đúng
Lý thuyết thống kê (B)
Tất cả đều sai
Các quyết định trong thời gian thực, Game AI, Công việc học tập và dẫn đường cho Robot là những ứng dụng trong bài toán ?
Phân lớp
Học tăng cường
Phân nhóm
Hồi quy
Học máy gồm có mấy loại?
3
1
2
4
Phương pháp nào dưới đây là học không có có giám sát?
Phân cụm
Phân loại
Tìm kiếm
Tất cả đều sai
Tập dữ liệu dùng để cho máy tính học được gọi là gì?
Tập dữ liệu kiểm tra
Tập dữ liệu thẩm định
Tập dữ liệu huấn luyện
Tập dữ liệu đầu vào
Hệ thống đề xuất phim là một ví dụ về ?
Phân lớp và Phân cụm.
Phân cụm.
Phân cụm và Học tăng cường.
Phân lớp và Học tăng cường.
Phương pháp học tập trong đó dữ liệu huấn luyện chứa một lượng nhỏ dữ liệu được gắn nhãn và một lượng lớn dữ liệu không được gắn nhãn được gọi là ?
Học nửa không giám sát
Học có giám sát
Học không có giám sát
Học tăng cường
Cách học nào sử dụng lượng lớn dữ liệu để xây dựng mô hình dựa trên các thuật toán?
Học máy
Trí tuệ nhân tạo
Tính toán lượng tử
Học theo quy tắc
Overfitting là gì?
Là một vấn đề hiếm gặp trong học máy và không có ảnh hưởng nhiều tới độ chính xác của các kỹ thuật học máy.
Là một vấn đề hiếm gặp trong học máy và có ảnh hưởng nhiều tới độ chính xác của các kỹ thuật học máy.
Là một vấn đề thường gặp trong học máy và không ảnh hưởng nhiều tới độ chính xác của các kỹ thuật học máy.
Là một vấn đề thường gặp trong học máy và có ảnh hưởng nhiều tới độ chính xác của các kỹ thuật học máy.
Sản phẩm của quá trình học trong học máy là gì?
Độ chính xác
Thuật toán học máy
Kết quả dự báo
Mô hình học máy
Khi phát triển một mô hình học máy, để tránh tạo ra các kết quả có chủ đích, lập trình viên nên:
Không có đáp án đúng
Sử dụng dữ liệu cụ thể từ các trường hợp đặc biệt
Không cần sử dụng dử liệu nào để học
Sử dụng dữ liệu đa dạng và phong phú cho quá trình học
Câu nào dưới đây mô tả chính xác nhất về hàm lỗi?
Là độ lệch trung bình giữa kết quả dự báo và giá trị quan sát trên tập dữ liệu huấn luyện
Là sai số dự báo của mô hình học máy
Là độ lệch giữa dự liệu dự báo và dữ liệu huấn luyện
Là sai số trung bình giữa kết quả dự báo và giá trị quan sát trên tập dữ liệu thẩm định
Giá căn hộ chung cư có thể dự báo dựa trên diện tích sàn, số phòng ngủ, phòng vệ sinh,… Phương pháp học máy nào dưới đây có thể được sử dụng?
Hồi quy tuyến tính
Hồi quy logistic
K-mean
K-NN
Thành phần cốt lõi của học tăng cường
Tác nhân
Tác nhân và môi trường
Môi trường
Tác nhân hoặc môi trường
Sự khác nhau giữa học có giám sát và học không giám sát?
Tập dữ liệu đầu vào của học có giám sát không gán nhãn trong khi tập dữ liệu đầu vào của học không có giám sát sẽ được gán nhãn
Tập dữ liệu đầu vào của học có giám sát có gán nhãn trong khi tập dữ liệu đầu vào của học không có giám sát sẽ không được gán nhãn
Cả hai đáp án trên đều đúng
Cả hai đáp án trên đều sai
Trong bài toán nhận dạng chữ viết tay, tập các ảnh chữ viết tay, trong đó mỗi ảnh được gắn với một định danh của một từ được gọi là gì?
Một công việc
Một tập kinh nghiệm
Một tập tiêu chí đánh giá hiệu năng
Một tập dữ liệu đầu ra
Học tăng cường là phương pháp học
Sử dụng các dữ liệu có gán nhãn
Bằng cách thử và sai
Sử dụng các dữ liệu không gán nhãn
Cả ba đáp án trên
Học máy là quá trình cải thiện hiệu suất của một hệ thống trong một công việc thông qua
Dữ liệu sẵn có
Kinh nghiệm
Thay đổi thuật toán
Tính toán lượng tử
Loại hình nào dưới đây KHÔNG là một phương pháp học trong AI?
Học tăng cường
Học có giám sát
Học không giám sát
Học chủ động
Khẳng định nào sau đây KHÔNG đúng về dữ liệu sử dụng trong học máy?
Dữ liệu học dùng để điều chỉnh các tham số của thuật toán và đánh giá mức độ tin cậy của mô hình
Dữ liệu học là dữ liệu mô hình dùng để học
Dữ liệu thẩm định dùng để đánh giá mức độ tin cậy của mô hình
Dữ liệu thẩm định là dữ liệu mà kết quả là biết trước
Học máy bao gồm các loại nào?
Học củng cố, học có giám sát, học bổ sung
Học củng cố, học kĩ thuật, học phân biệt
Học củng cố, học sâu, học bổ sung
Học củng cố, học có giám sát, học không có giám sát
Tại sao mô hình hồi quy logistic sử dụng hàm logit (logistic function)?
Vì hàm logit cho kết quả xấp xỉ tốt hơn hàm tuyến tính cho loại dữ liệu phân lớp
Vì hàm logit cho kết quả xấp xỉ nhanh hơn hàm tuyến tính cho loại dữ liệu phân lớp
Vì hàm logit là đơn giản hơn cho việc tính toán
Tất cả đáp án trên
Thuật toán nào thường được sử dụng để giảm chiều dữ liệu?
Hồi quy logistic
K-NN
PCA
Cây quyết định
Phương pháp hồi quy tuyến tính và hồi quy logistic khác nhau ở điểm nào?
Hồi quy logistic là học có giám sát, hồi quy tuyến tính là học không giám sát
Hồi quy tuyến tính dùng trong dự báo, hồi quy logistic dùng trong phân lớp
Hồi quy tuyến tính dùng trong phân lớp, hồi quy logistic dùng trong dự báo
Về cơ bản là giống nhau
Phương pháp học máy nào dưới đây phù hợp để phát triển mô hình đèn giao thông thông minh?
Q-learning
K-NN
K-Mean
SVM
Một mô hình học máy dùng để xác định chữ viết tay, hình ảnh, âm thanh, hoặc video cụ thể nào đó thuộc lớp bài toán nào trong học máy?
Bài toán phân lớp
Bài toán nhận dạng
Bài toán dự báo
Không có đáp án đúng
Sau khi một mô hình học máy hoàn thành quá trình học. Để kiểm tra độ chính xác của mô hình, chúng ta thường:
Cho mô hình tiếp tục học
Đánh giá mô hình bằng dữ liệu thẩm định
Điều chỉnh thuật toán để tăng độ chính xác của mô hình
Tăng kích cỡ của dữ liệu đầu vào để nâng cao độ chính xác của mô hình
Khẳng định nào dưới đây là một đặc trưng của phương pháp học có giám sát?
Là phương pháp thử các giải pháp được xây dựng trong khuôn khổ các ràng buộc nhằm cải thiện kết quả tìm kiếm.
Là phương pháp dựa trên việc cung cấp thuật toán học máy cùng với tập các quy luật, ràng buộc và để mô hình tự học và tìm ra mục tiêu
Dựa trên các dự liệu thuật toán học máy có dán nhãn. Càng nhiều dữ liệu, thuật toán càng chính xác khi phân loại dữ liệu mới
Dựa trên các dữ liệu thuật toán học máy không dán nhãn và để mô hình suy diễn số lượng
Những điều nào dưới đây là KHÔNG đúng về phương pháp học không giám sát?
Dùng để phân nhóm dữ liệu dựa trên đặc điểm tương đồng giữa các điểm trong dữ liệu
Thuật toán sử dụng dữ liệu không dán nhãn, xác định sự liên hệ, và tìm ra quy luật từ các dữ liệu đó
Sử dụng dữ liệu và các quy luật làm dữ liệu đầu vào để phát triển thuật toán cho ra câu trả lời.
Dùng để tìm các mối liên hệ không được mô tả rõ ràng hoặc phân loại các dữ liệu lệch chuẩn
Phân chia 7 quan sát vào 3 cụm sử dụng thuật toán K-Means. Sau vòng lập đầu tiên, 3 cụm C1, C2, C3 gồm những quan sát sau:
C1: ((2,2), (4,4), (6,6))
C2: \{(0, 4), (4, 0)\}
C3: ((5,5), (9,9))
Sử dụng khoảng cách Mahattan, khoảng cách từ quan sát (9,9) từ tâm cụm C1 trong vòng lặp thứ 2 là?
10
5^ * sqrt(2)
13^ * sqrt(2)
8
Phân chia 7 quan sát vào 3 cụm sử dụng thuật toán K-Means. Sau vòng lập đầu tiên, 3 cụm C1, C2, C3 gồm những quan sát sau:
C1: ((2,2), (4,4), (6,6))
C2: ((0,4), (4,0)]
C3: ((5,5), (9,9))
Đâu là tâm của các cụm khi thực hiện vòng lập thứ 2?
C1: (4,4), C2: (2,2), C3: (7,7)
C1: (6,6), C2: (4,4), C3: (9,9)
C1: (2,2), C2: (0,0), C3: (5,5)
Không có đáp án nào đúng
Điều nào đúng khi nói về phân cụm với K-Means?
1. K-means rất nhạy cảm khi khởi tạo tâm các cụm ban đầu
2. Khởi tạo không tốt có thể ảnh hưởng đến tốc độ hội tụ
3. Khởi tạo không tốt có thể dẫn đến phân cụm tổng thể không tốt
1, 2 và 3
1 và 3
1 và 2
2 và 3
Thuật toán CART sử dụng độ đo nào để lựa chọn thuộc tỉnh phân lớp?
Gini Index
Information Gain
Gain Ratio
Split Info
Cây quyết định được sử dụng trong phân lớp bằng cách:
Duyệt từ nút gốc của cây cho đến khi đụng đến nút lá
Duyệt từ nút gốc của cây cho đến các nhánh, từ đó rút ra lớp của đối tượng cần xét
Duyệt từ nút gốc của cây cho đến khi đụng đến nút lá, từ đó rút ra lớp của đối tượng cần xét
Duyệt từ nút gốc của cây cho đến khi đụng đến nút lá, từ đó rút ra nhánh của đối tượng cần xét
Phương pháp nào sau đây được sử dụng để tìm tối ưu số cụm k trong thuật toán K-Mean?
Phương pháp Manhattan
Phương pháp Euclidean
Phương pháp Elbow
Tất cả các phương pháp trên.
Trong cây quyết định thì mỗi nút lá đại diện cho:
Giá trị dự đoán
Giá trị của các biến được biểu diễn bởi đường đi từ gốc tới nút lá đó
Giá trị dự đoán của biến mục tiêu cho trước các giá trị của các biến được biểu diễn bởi đường đi từ gốc tới nút lá đó
Các biến được biểu diễn bởi đường đi từ gốc tới nút lá đó
Có những loại nút nào trên cây quyết định?
Nút nội bộ( mang tên thuộc tính của CSDL), và nhánh( mang giá trị có thể của thuộc tính)
Nút gốc, nút nội bộ( mang tên thuộc tính của CSDL), và nút lá( mang giá trị có thể của thuộc tính) và các nhánh.
Nút gốc, nút nội bộ( mang tên thuộc tính của CSDL), và nút lá( mang giá trị có thể của thuộc tính)
Nút gốc( mang tên thuộc tính của CSDL), và các nhánh
Kỹ thuật máy học dùng trong cây quyết định được gọi là gì?
Học theo cây quyết định
Là học theo cấu trúc phân cấp
Là xây dựng các tập luật
Tất cả đều sai
Thuật toán ID3 sử dụng độ đo nào để lựa chọn thuộc tính phân lớp?
Information Gain
Gini Index
Split Info
Gain Ratio
Thuật toán cây quyết định thuộc lớp bài toán nào dưới đây?
Thuật toán học có giám sát
Thuật toán học không giám sát
Thuật toán học tăng cường
Tất cả các đáp án trên
Phát biểu nào dưới đây đúng khi nói về giải thuật k-NN?
Được sử dụng trong bài toán phân lớp
Được sử dụng trong cả bài toán hồi quy và bài toán phân lớp
Được sử dụng trong bài toán hồi quy
Được sử dụng trong bài toán tối ưu
Bài toán nào thì có thể sử dụng phương pháp học dựa trên KNN
Bài toán phân lớp, bài toán nhận dạng ảnh và bài toán dự đoán/hồi quy
Bài toán phân lớp và bài toán nhận dạng ảnh
Bài toán nhận dạng ảnh và bài toán dự đoán/ hồi quy
Bài toán phân lớp và bài toán dự đoán/ hồi quy
Để cập nhật vector trọng số trong học hồi quy tuyến tính, chúng ta có thể:
Không phải hai phương án trên
Cập nhật theo từng ví dụ
Cập nhật theo đợt (tập các ví dụ)
Cả 2 phương án trên
Trong phương pháp KNN, đối với bài toán phân lớp có 2 lớp, k thường được chọn là:
2
1
Số chẵn
Số lẻ
Trong học cây quyết định, để đánh giá khả năng của một thuộc tính theo nhãn lớp, chúng ta cần tính :
Mức độ giảm về độ hỗn tạp Entropy của một tập
Mức độ tăng về độ hỗn tạp Entropy của một tập
Mức độ trung bình về độ hỗn tạp Entropy của một tập
Mức độ thấp nhất về độ hỗn tạp Entropy của một tập
Phương pháp học hồi quy tuyến tính là học vector để
Tối thiểu hóa hàm đánh giá lỗi của hệ thống trong giai đoạn huấn luyện
Tối đa hóa hàm đánh giá lỗi của hệ thống trong giai đoạn huấn luyện
Tối đa hóa hàm đánh giá lỗi của hệ thống trong giai đoạn kiểm thử
Tối thiểu hóa hàm đánh giá lỗi của hệ thống trong giai đoạn kiểm thử
Trong KNN, hàm khoảng cách Hamming là gì?
Một hàm tính khoảng cách ngắn nhất của đường đi giữa hai thành phố
Một hàm tính trung bình khoảng cách
Một hàm tính khoảng cách thực tế giữa hai ví dụ
Một hàm tính khoảng cách hình học
Thuộc tính nên được chọn là thuộc tính kiểm tra trong học cây quyết định là:
Thuộc tính có giá trị Information Gain trung bình
Thuộc tính có giá trị Information gain thấp nhất
Thuộc tính có giá trị Information Gain bằng 0
Thuộc tính có giá trị Information gain cao nhất
Phương pháp hồi quy logistic dùng cho trường hợp nào sau đây
Một ví dụ đầu vào, dự đoán đầu ra là kiểu rời rạc
Một ví dụ đầu vào, dự đoán đầu ra là kiểu số thực
Một ví dụ đầu vào, dự đoán đầu ra là kiểu liên tục
Một ví dụ đầu vào, dự đoán đầu ra là một kiểu dữ liệu riêng
k đề cập đến điều gì trong thuật toán phân cụm k-means ?
Giá trị cố định
Độ phức tạp của thuật toán
Số cụm
Số lần lặp
Trong giải thuật phân cụm k-Means, tập dữ liệu được phân loại thành bao nhiêu cụm
Hai cụm
k cụm
Nhiều hơn hai cụm
Nhiều hơn k cụm
Ứng dụng học máy nào dưới đây có thể được xây dựng dựa trên thuật toán K-NN?
Dự báo độ giãn nở của bê-tông trong các điều kiện nhiệt độ khác nhau
Dự báo sự phát triển chiều cao của trẻ
Xác định nhiễu trong một tập dữ liệu (hoặc Phân loại văn bản)
Tất cả các ứng dụng trên
Khoảng cách sử dụng trong phương pháp K-NN có đặc điểm gì?
Là độ lớn của dữ liệu
Là khoảng cách vật lý giữa hai quan sát trong dữ liệu
Mô tả sự giống nhau giữa hai quan sát trong dữ liệu. Khoảng cách càng nhỏ, hai quan sát càng giống nhau
Là tổng chiều dài của tập dữ liệu
Phát biểu nào dưới đây là đúng về phương pháp K-NN?
K-NN dùng để nhận dạng, phân loại mẫu dựa trên đặc điểm của K mẫu giống mẫu đang xét nhất
K-NN là phương pháp học tăng cường
K-NN dùng để tách một tập dữ liệu thành K-nhóm có đặc điểm tương đồng
Không có đáp án đúng
Tập không gian đầu vào của phương pháp SVM là
Cả 2 câu trả lời trên
Tập các thuộc tính định danh
Một tập các số thực
Không phải hai câu trả lời trên
KNN hoạt động tốt đối với các bài toán phân loại gồm nhiều lớp vì sao?
Không cần phải học n bộ phân loại cho n lớp
Phân loại dựa đoán được thực hiện trên k láng giềng gần nhất
Số lượng các thuộc tính ( để biểu diễn ví dụ) là không nhiều
Thuật toán đơn giản và dễ thực hiện
Trong phương pháp SVM, có thể tồn tại bao nhiêu mặt siêu phẳng phân tách
1
Vô số
3
10
Tập đầu vào của một bài toán phân cụm là:
Tập dữ liệu có nhãn
Tập dữ liệu không có nhãn
Tập dữ liệu bất kỳ
Tập dữ liệu rời rạc
Giải thuật k-Means có phù hợp và có thể đưa ra lời giải chính xác cho bài toán phân 2 cụm trong hình vẽ dưới đây không?
Có
Không
Trong phương pháp SVM, một mặt siêu phẳng phân tách tối thiểu hóa giới hạn lỗi (phân lớp) mắc phải gọi là
Mặt siêu phẳng có lề cực đại
Mặt siêu phẳng có lề cực tiểu
Mặt siêu phẳng có lề bằng 0
Mặt siêu phẳng có lề khác 0
Lựa chọn câu phát biểu đúng về phương pháp máy vector hỗ trợ SVM
SVM là một phương pháp phân lớp tuyến tính dùng để phân tách 2 lớp của dữ liệu
SVM có thể thực hiện phân lớp với các bài toán từ 2 phân lớp trở lên
SVM là một phương pháp dành cho học máy không giám sát
SVM không phải là một phương pháp phân lớp tuyến tính
Quá trình phân cụm trong giải thuật k-Means sẽ kết thúc nếu
Không có thay đổi về các điểm trung tập của các cụm
Không có việc gán lại các ví dụ vào các cụm khác
Tối thiểu một trong ba điều kiện trên thỏa mãn
Giảm không đáng kể về tổng lỗi phân cụm
Phương pháp K-means là
Phương pháp học tăng cường
Phương pháp học có giám sát
Phương pháp học không giám sát
Phương pháp học tối ưu
SVM được biết đến là một phương pháp phân lớp tốt nhất đối với loại bài toán nào
Bài toán phân loại thư rác
Bài toán nhận dạng ảnh
Bài toán phân lớp văn bản
Cả 3 phương án trên
