Font size
S
M
L
XL
WorksheetsMockTest_DA
Total questions: 173
Worksheet time: 3hrs 53mins
Name
Class
Date
1.
Biểu diễn mối quan hệ giữa độ tuổi và thu nhập trung bình giữa các nhóm dân cư khác nhau. Biểu đồ nào phù hợp?
a)
Bar chart
b)
Scatter plot
c)
Bubble chart
d)
Pie chart
2.
Biến phụ thuộc trong Hồi quy Logistic nhận giá trị như thế nào?
a)
Nhận bất kỳ giá trị số thực nào
b)
Nhận giá trị nhị phân (0 hoặc 1, Yes hoặc No)
c)
Nhận giá trị định danh có nhiều hơn hai cấp độ
d)
Nhận giá trị nguyên dương
3.
Biến ngẫu nhiên (Random Variable) là gì?
a)
Là một giá trị cố định được xác định trước khi thử nghiệm
b)
Là một quy tắc gán một giá trị số cho mỗi kết quả của một không gian mẫu
c)
Là một hàm mô tả xác suất của các sự kiện
d)
Là tập hợp tất cả các kết quả có thể xảy ra của một thử nghiệm
4.
Biến ngẫu nhiên liên tục (Continuous Random Variable) có đặc điểm gì?
a)
Chỉ nhận các giá trị nguyên đếm được
b)
Có thể nhận bất kỳ giá trị nào trong một khoảng nhất định (ví dụ: chiều cao, cân nặng)
c)
Chỉ nhận hai giá trị duy nhất (ví dụ: có/không)
d)
Biểu thị các danh mục không có thứ tự
5.
Biến ngẫu nhiên rời rạc (Discrete Random Variable) có đặc điểm gì?
a)
Chỉ nhận các giá trị đếm được và bằng số (ví dụ: số sinh viên trong lớp)
b)
Chỉ nhận các giá trị không âm
c)
Biểu thị các danh mục có thứ tự
d)
Có thể nhận bất kỳ giá trị nào trong một khoảng liên tục
6.
Biểu đồ nào phù hợp nhất để hiển thị phân phối tần suất của một biến định lượng (numerical variable)?
a)
Biểu đồ cột (Bar chart)
b)
Histogram
c)
Biểu đồ đường (Line chart)
d)
Biểu đồ hộp (Box plot)
7.
Biểu đồ nào thường được sử dụng để phát hiện các giá trị ngoại lai (outliers) dựa trên trung vị và tứ phân vị?
a)
Histogram
b)
Scatter plot
c)
Box plot
d)
Pie chart
8.
Chỉ thị lệnh nào sau đây cho phép xoá duplication trong một data frame?
a)
df.unique()
b)
df.remove_duplicates()
c)
df.drop_duplicates()
d)
df.dropna()
9.
Cho tập dữ liệu chiều cao h = [130, 120, 110, 122, None, 135, None, None, 125, None, None]. Phương pháp nào phù hợp nhất để xử lý missing values?
a)
Mode imputation
b)
Mean imputation
c)
Median imputation
d)
Loại bỏ tất cả các hàng có giá trị thiếu
10.
Các chỉ số đánh giá mô hình phân loại (Classification) bao gồm những gì?
a)
Log-likelihood, AIC, BIC
b)
Silhouette Score, Davies-Bouldin Index
c)
R-squared, MAE, MSE, RMSE
d)
Accuracy, Precision, Recall (Sensitivity), Specificity, F1 Score
11.
Các thành phần chính của "Data Quality" (Chất lượng dữ liệu) bao gồm?
a)
Volume, Velocity, Variety, Veracity (4 Vs of Big Data)
b)
Accuracy, Uniformity, Completeness, Validity, Consistency, Timeliness, Relevance
c)
Scalability, Performance, Redundancy, Availability
d)
Data Governance, Metadata Management, Data Security, Master Data Management
12.
Các bước chính trong quy trình phân tích dữ liệu theo phương pháp CRISP-DM là gì?
a)
Define, Measure, Analyze, Improve, Control (DMAIC)
b)
Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, Deployment
c)
Problem Definition, Data Collection, Model Selection, Training, Testing, Production
d)
Collect, Store, Process, Analyze, Visualize
13.
Các kỹ thuật nào thường dùng để xử lý dữ liệu trùng lặp (De-duplication)?
a)
Exact matching (khớp chính xác) và Fuzzy matching (khớp mờ)
b)
Normalization và Standardization
c)
One-hot encoding và Label encoding
d)
Outlier detection và Imputation
14.
Câu lệnh df.dropna(axis=1, how='all') trong Pandas thực hiện hành động gì?
a)
Xóa cột nếu tất cả các giá trị trong cột đó đều bị khuyết (missing)
b)
Xóa cột nếu có bất kỳ giá trị nào bị khuyết
c)
Thay thế tất cả các giá trị bị khuyết trong cột bằng 0
d)
Xóa hàng nếu tất cả các giá trị trong hàng đó đều bị khuyết
15.
Câu lệnh df.fillna(0) trong Pandas dùng để làm gì?
a)
Xóa tất cả các hàng hoặc cột chứa giá trị 0
b)
Thay thế các giá trị bị khuyết (missing values) bằng số 0
c)
Điền tất cả các giá trị trong DataFrame bằng 0
d)
Tính tổng của tất cả các giá trị trong DataFrame và điền vào các giá trị bị khuyết
16.
Câu lệnh df.dropna(how='all') trong Pandas có tác dụng gì?
a)
Xóa tất cả các dòng có ít nhất một giá trị bị khuyết
b)
Thay thế tất cả các giá trị bị khuyết bằng giá trị trung bình của cột
c)
Chỉ xóa các dòng mà tất cả các giá trị đều bị khuyết (null)
d)
Xóa tất cả các cột mà tất cả các giá trị đều bị khuyết
17.
Câu lệnh df.dropna(thresh=5) có ý nghĩa gì?
a)
Thay thế các giá trị khuyết bằng 5
b)
Xóa các dòng có nhiều hơn 5 giá trị bị khuyết
c)
Giữ lại các dòng có ít nhất 5 giá trị không bị khuyết (non-missing values)
d)
Giữ lại các cột có ít nhất 5 giá trị không bị khuyết
18.
Chi-square test (Kiểm định Chi bình phương) được sử dụng khi nào?
a)
Để so sánh giá trị trung bình của hai nhóm dữ liệu liên tục
b)
Để dự đoán một biến mục tiêu liên tục dựa trên một hoặc nhiều biến dự báo
c)
Để xác định xem có sự khác biệt đáng kể giữa tần suất quan sát và tần suất kỳ vọng trong một hoặc nhiều danh mục dữ liệu
d)
Để đo lường mức độ liên quan tuyến tính giữa hai biến liên tục
19.
Chỉ số nào trong Confusion Matrix đo lường tỷ lệ dự đoán đúng trên tổng số các trường hợp thực tế là Positive?
a)
Precision
b)
Recall (hoặc Sensitivity)
c)
Accuracy
d)
F1-Score
20.
Chiến lược "Backward Elimination" trong lựa chọn biến bắt đầu như thế nào?
a)
Kiểm tra tất cả các tập hợp con biến có thể và chọn tập tốt nhất
b)
Tạo ra các biến mới từ các biến hiện có thông qua các phép biến đổi
c)
Bắt đầu với một biến dự báo, sau đó thêm dần các biến quan trọng nhất
d)
Bắt đầu với tất cả các biến dự báo, sau đó loại bỏ dần các biến ít quan trọng nhất
21.
Chiến lược "Forward Selection" trong lựa chọn biến bắt đầu như thế nào?
a)
Thử tất cả các tổ hợp biến có thể có và chọn mô hình tốt nhất.
b)
Bắt đầu với một tập hợp con ngẫu nhiên của các biến, sau đó tối ưu hóa.
c)
Bắt đầu không có biến nào, sau đó thêm dần từng biến có đóng góp lớn nhất
d)
Bắt đầu với tất cả các biến, sau đó loại bỏ dần từng biến ít quan trọng nhất.
22.
Chức năng của hàm Sigmoid trong Hồi quy Logistic là gì?
a)
Giúp mô hình hội tụ nhanh hơn trong quá trình huấn luyện.
b)
Tính toán sai số bình phương nhỏ nhất giữa dự đoán và thực tế.
c)
Tạo ra đầu ra nhị phân (0 hoặc 1) trực tiếp.
d)
Ánh xạ các giá trị thực sang khoảng (0, 1) để biểu diễn xác suất
23.
Công thức tính Adjusted R-squared (R2) khác với R2 ở điểm nào?
a)
Nó áp dụng một hình phạt (penalty) dựa trên số lượng biến dự báo được thêm vào mô hình
b)
Nó chỉ sử dụng tập dữ liệu huấn luyện để đánh giá mô hình.
c)
Nó luôn cho giá trị cao hơn R-squared gốc.
d)
Nó đo lường mức độ phù hợp của mô hình với dữ liệu đầu vào phi tuyến tính.
24.
Cho tập dữ liệu chiều cân nặng = [55, 58, None, 60, None, 63, None, 61, None, 57, 120, None, 48, 135, 130]. Phương pháp nào phù hợp nhất để xử lý missing values?
a)
Xóa bỏ tất cả các hàng chứa missing values.
b)
Mean Imputation
c)
Median Imputation
d)
Mode Imputation
25.
Chọn ra phát biểu là nhiệm vụ chính yếu của làm sạch dữ liệu (data cleaning):
a)
Phân chia dữ liệu thành tập huấn luyện và tập kiểm tra.
b)
Loại bỏ các dữ liệu lỗi hoặc có khả năng gây ảnh hưởng tới quá trình phân tích dữ liệu.
c)
Giảm chiều dữ liệu để loại bỏ nhiễu.
d)
Chuyển đổi dữ liệu về cùng một định dạng chuẩn.
26.
Chọn ra phát biểu đúng:
a)
Mục tiêu chính của tiền xử lý dữ liệu là tăng kích thước tập dữ liệu.
b)
Tiền xử lý dữ liệu chỉ được thực hiện một lần duy nhất trước khi phân tích.
c)
Tiền xử lý dữ liệu (data preprocessing) là một quá trình lặp đi lặp lại
d)
Tiền xử lý dữ liệu chỉ áp dụng cho dữ liệu có cấu trúc.
27.
Chuẩn hóa dữ liệu (Data Standardization) là gì?
a)
Là quá trình gán nhãn cho các điểm dữ liệu.
b)
Là quá trình giảm số lượng thuộc tính trong tập dữ liệu.
c)
Là quá trình chuyển đổi dữ liệu về một định dạng hoặc cấu trúc chung
d)
Là quá trình điều chỉnh tỷ lệ dữ liệu để chúng có cùng phạm vi giá trị (ví dụ: 0 đến 1).
28.
Công thức tính khoảng tứ phân vị (IQR) là gì?
a)
IQR = (Q1 + Q3) / 2 (Trung bình của tứ phân vị thứ nhất và thứ ba).
b)
IQR = Q2 - Q1 (khoảng cách giữa tứ phân vị thứ hai và thứ nhất).
c)
IQR = Max - Min (Phạm vi tối đa và tối thiểu của dữ liệu).
d)
IQR = Q3 - Q1 (khoảng cách giữa tứ phân vị thứ ba và thứ nhất)
29.
Dữ liệu "Ordinal" (Thứ bậc) là loại dữ liệu gì?
a)
Dữ liệu định lượng có thể đo lường và có điểm 0 tuyệt đối (ví dụ: Chiều cao).
b)
Dữ liệu định tính/phân loại có thể xác định được và có tính thứ tự (ví dụ: Xếp hạng)
c)
Dữ liệu định tính/phân loại không có tính thứ tự (ví dụ: Giới tính).
d)
Dữ liệu định lượng có thể đo lường và có khoảng cách bằng nhau giữa các giá trị (ví dụ: Nhiệt độ Celsius).
30.
Dữ liệu định tính (Qualitative/Categorical data) bao gồm những loại nào?
a)
Interval (Khoảng) và Ratio (Tỷ lệ).
b)
Nominal (Danh nghĩa) và Ordinal (Thứ bậc)
c)
Primary (Sơ cấp) và Secondary (Thứ cấp).
d)
Discrete (Rời rạc) và Continuous (Liên tục).
31.
Dữ liệu định danh (Nominal Data) và dữ liệu thứ bậc (Ordinal Data) khác nhau ở điểm nào cơ bản nhất?
a)
Dữ liệu thứ bậc có khoảng cách đều giữa các giá trị, còn dữ liệu định danh thì không
b)
Dữ liệu thứ bậc có tính thứ tự, còn dữ liệu định danh thì không
c)
Dữ liệu định danh có thể thực hiện các phép toán số học, còn dữ liệu thứ bậc thì không
d)
Dữ liệu thứ bậc có điểm 0 tuyệt đối, còn dữ liệu định danh thì không
32.
Đặc điểm của phân phối chuẩn (Normal Distribution) về độ nhọn (Kurtosis) là gì?
a)
Kurtosis = 0
b)
Kurtosis > 3 (Leptokurtic)
c)
Skewness = 0
d)
Kurtosis = 3 (Mesokurtic)
33.
Để biểu diễn mối quan hệ giữa một biến định tính (trục X) và một biến định lượng (trục Y) nhằm so sánh phân phối, biểu đồ nào phù hợp nhất?
a)
Box plot
b)
Biểu đồ cột (Bar chart)
c)
Biểu đồ phân tán (Scatter plot)
d)
Biểu đồ tròn (Pie chart)
34.
Để chuẩn hóa tên người dùng về dạng viết hoa chữ cái đầu mỗi từ (ví dụ: "nguyen van a" -> "Nguyen Van A"), ta dùng kỹ thuật gì?
a)
Ánh xạ dữ liệu (Data Mapping)
b)
Regex (Regular Expressions)
c)
Chuyển đổi kiểu dữ liệu (Data Type Conversion)
d)
String Formatting (cụ thể là title case hoặc capitalize)
35.
Để xử lý dữ liệu ngày tháng không nhất quán (ví dụ: 28-02-2000 vs 1999/12/31), bước đầu tiên cần làm là gì?
a)
Điền khuyết (Imputation) các giá trị thiếu
b)
Tích hợp dữ liệu (Data Integration) từ các nguồn khác nhau
c)
Chuyển đổi (Parsing) tất cả về một định dạng Date Time chuẩn
d)
Chuẩn hóa (Normalization) dữ liệu về một thang đo nhất định
36.
Định dạng %Y trong chuỗi định dạng ngày tháng đại diện cho gì?
a)
Ngày trong tháng (ví dụ: 28)
b)
Năm đầy đủ gồm thế kỷ (ví dụ: 2021)
c)
Tháng trong năm dưới dạng số (ví dụ: 02)
d)
Năm rút gọn hai chữ số (ví dụ: 21)
37.
Định lý giới hạn trung tâm (Central Limit Theorem - CLT) phát biểu điều gì về phân phối của trung bình mẫu khi kích thước mẫu đủ lớn?
a)
Phân phối của tổng thể ban đầu sẽ trở thành phân phối chuẩn
b)
Phân phối của các trung bình mẫu sẽ xấp xỉ phân phối chuẩn, bất kể phân phối của tổng thể ban đầu như thế nào
c)
Giá trị trung bình của mỗi mẫu sẽ luôn bằng giá trị trung bình của tổng thể
d)
Độ lệch chuẩn của các mẫu sẽ tăng khi kích thước mẫu tăng
38.
Độ lệch chuẩn (Standard Deviation) của phân phối lấy mẫu (Sampling Distribution) còn được gọi là gì?
a)
Độ lệch chuẩn tổng thể (Population Standard Deviation)
b)
Sai số chuẩn (Standard Error - SE)
c)
Giá trị p (P-value)
d)
Khoảng tin cậy (Confidence Interval)
39.
Độ tin cậy (Confidence Level) trong ước lượng khoảng thường đi kèm với khái niệm nào để tạo thành 100%?
a)
Mức ý nghĩa (Significance Level, α)
b)
Sai số chuẩn (Standard Error)
c)
Giá trị tới hạn (Critical Value)
d)
Lỗi loại I (Type I Error)
40.
Độ đo nào được sử dụng để đánh giá mức độ phù hợp của mô hình hồi quy tuyến tính (goodness of fit)?
a)
Hệ số tương quan Pearson (Pearson Correlation Coefficient)
b)
Độ lệch chuẩn (Standard Deviation)
c)
R2 (Coefficient of Determination)
d)
Sai số bình phương trung bình (Mean Squared Error - MSE)
41.
Đối với dữ liệu chuỗi thời gian (Time-series), biểu đồ nào phù hợp nhất để thể hiện sự thay đổi qua các khoảng thời gian bằng nhau?
a)
Bar Chart
b)
Line Chart
c)
Pie Chart
d)
Scatter Plot
42.
Đối với dữ liệu bị khuyết (missing data), phương pháp "Interpolation" thường dùng cho loại dữ liệu nào?
a)
Dữ liệu định danh
b)
Dữ liệu dạng văn bản
c)
Dữ liệu chuỗi thời gian hoặc dữ liệu có tính liên tục
d)
Dữ liệu phân loại
43.
Giả sử bubble chart để biểu diễn mỗi quan hệ giữa GDP và tuổi thọ giữa các quốc gia. Thiết kế nào phù hợp nhất?
a)
X-axis: Dân số, Y-axis: Tuổi thọ, Bubble size: GDP
b)
X-axis: GDP, Y-axis: Tuổi thọ, Bubble size: Dân số
c)
X-axis: Tuổi thọ, Y-axis: Dân số, Bubble size: GDP
d)
X-axis: Quốc gia, Y-axis: GDP, Bubble size: Tuổi thọ
44.
Giả thuyết rỗng (H0) trong kiểm định ANOVA là gì?
a)
Phương sai của tất cả các nhóm là bằng nhau.
b)
Ít nhất một cặp trung bình nhóm là khác nhau.
c)
Trung bình của tất cả các nhóm là bằng nhau.
d)
Giá trị trung vị của tất cả các nhóm là bằng nhau.
45.
Giải thuật tìm kiếm nào đánh giá tất cả các tập con có thể có của các biến dự báo (predictors)?
a)
Backward Elimination
b)
Exhaustive Search.
c)
Forward Selection
d)
Stepwise Selection
46.
Giá trị R2 (R-squared) nằm trong khoảng nào?
a)
Từ 0 đến vô cùng
b)
Từ -1 đến 1
c)
Từ -vô cùng đến vô cùng
d)
Từ 0 đến 1
47.
Hàm df.describe() trong Pandas cung cấp những thông tin thống kê nào cho các cột số?
a)
Count, mean, std, min, các phân vị (25%, 50%, 75%), max
b)
Sum, product, geometric mean, harmonic mean
c)
Skewness, kurtosis, p-value
d)
Mode, median, range, variance
48.
Hàm mật độ xác suất (Probability Density Function - PDF) dùng cho loại biến ngẫu nhiên nào?
a)
Biến ngẫu nhiên rời rạc
b)
Biến định danh
c)
Biến ngẫu nhiên liên tục
d)
Biến thứ tự
49.
Hàm mất mát (Loss function) của Lasso Regression thêm thành phần nào vào hàm mất mát của OLS?
a)
Trung bình cộng của các hệ số (λ (1/n) Σθ_j)
b)
Tích của các hệ số (λ Π|θ_j|)
c)
Tổng giá trị tuyệt đối của các hệ số (λ Σ|θ_j|)
d)
Tổng bình phương của các hệ số (λ Σ(θ_j)^2)
50.
Hàm mất mát (Loss function) của Ridge Regression thêm thành phần nào vào hàm mất mát của OLS?
a)
Logarit của các hệ số (λ Σ log|θ_j|)
b)
Hiệu bình phương của các hệ số (λ Σ(θ_j - θ_k)^2)
c)
Tổng bình phương của các hệ số (λ Σ(θ_j)^2)
d)
Tổng giá trị tuyệt đối của các hệ số (λ Σ|θ_j|)
51.
Hệ số tương quan Pearson (r) bằng 0 có ý nghĩa gì?
a)
Có mối tương quan phi tuyến mạnh
b)
Hai biến là độc lập hoàn toàn
c)
Không có mối tương quan tuyến tính giữa hai biến
d)
Độ lớn của mối tương quan là trung bình
52.
Hệ số chặn (Intercept – b0) trong phương trình hồi quy tuyến tính y=b0 + b1 x mang ý nghĩa gì?
a)
Mức độ thay đổi của y khi x tăng thêm 1 đơn vị
b)
Giá trị của y khi x = 0
c)
Giá trị trung bình của x khi y = 0
d)
Độ dốc của đường hồi quy
53.
Hệ số góc (Slope – b1) trong phương trình hồi quy tuyến tính y=b0 + b1 x biểu thị điều gì?
a)
Mức độ thay đổi của y khi x tăng thêm 1 đơn vị
b)
Tổng độ lệch bình phương nhỏ nhất
c)
Giá trị của y khi x = 0
d)
Điểm mà đường hồi quy cắt trục y
54.
Khi bạn có biến đầu vào có thứ tự (ordinal variable) như "Thấp," "Trung bình," và "Cao," phương pháp encoding nào sau đây thường được sử dụng?
a)
Target Encoding
b)
Frequency Encoding
c)
Label Encoding
d)
One-Hot Encoding
55.
Khi nào nên sử dụng biểu đồ Stacked Bar Chart?
a)
Khi muốn thể hiện xu hướng của một biến theo thời gian
b)
Khi muốn so sánh phân phối của một biến liên tục giữa các nhóm
c)
Khi muốn hiển thị mối quan hệ bộ phận-tổng thể (part-to-whole) và so sánh các nhóm
d)
Khi muốn hiển thị mối quan hệ giữa hai biến liên tục
56.
Khi thực hiện t-test, nếu p-value nhỏ hơn mức ý nghĩa (ví dụ: 0.05), ta kết luận gì?
a)
Kết quả không có ý nghĩa thống kê
b)
Bác bỏ giả thuyết rỗng (H0) và chấp nhận giả thuyết đối (H1)
c)
Không thể đưa ra kết luận nào
d)
Giữ lại giả thuyết rỗng (H0)
57.
Khoảng tin cậy (Confidence Interval) là gì?
a)
Là xác suất mà một sự kiện sẽ xảy ra
b)
Là một khoảng giá trị mà tham số của tổng thể có khả năng nằm trong đó với một mức độ tin cậy nhất định
c)
Là giá trị trung bình của mẫu dữ liệu
d)
Là sai số chuẩn của ước lượng
58.
Kiểm định t (t-test) được sử dụng để làm gì?
a)
Để xác định xem có sự khác biệt đáng kể giữa trung bình của hai nhóm hay không
b)
Để kiểm tra mối tương quan giữa hai biến định tính
c)
Để dự đoán một biến liên tục dựa trên nhiều biến độc lập
d)
Để so sánh phương sai của nhiều nhóm
59.
Kỹ thuật "Backward Elimination" trong lựa chọn đặc trưng (feature selection) hoạt động như thế nào?
a)
Bắt đầu với không có biến nào, sau đó thêm lần lượt biến hữu ích nhất
b)
Bắt đầu với tất cả các biến dự báo, sau đó loại bỏ lần lượt biến ít hữu ích nhất
c)
Đánh giá tất cả các tập hợp con biến có thể có và chọn tập tốt nhất
d)
Sử dụng một mô hình để gán trọng số cho từng biến và loại bỏ những biến có trọng số thấp
60.
Kỹ thuật "Fuzzy Matching" được sử dụng để giải quyết vấn đề gì trong làm sạch dữ liệu?
a)
Phát hiện và loại bỏ các ngoại lệ (outliers) trong tập dữ liệu
b)
Chuyển đổi các giá trị thiếu (missing values)
c)
Chuẩn hóa định dạng dữ liệu giữa các nguồn khác nhau
d)
Xử lý dữ liệu trùng lặp (duplication) khi các chuỗi ký tự gần giống nhau nhưng không khớp hoàn toàn
61.
Kỹ thuật Cross-Validation (Kiểm chứng chéo) K-fold hoạt động như thế nào?
a)
Chia dữ liệu thành k phần, dùng 1 phần để huấn luyện và k-1 phần để kiểm tra, lặp lại k lần.
b)
Chia dữ liệu thành 2 phần (huấn luyện và kiểm tra), sau đó lặp lại quá trình này k lần với các mẫu ngẫu nhiên.
c)
Huấn luyện mô hình trên toàn bộ dữ liệu, sau đó kiểm tra trên một tập dữ liệu riêng biệt không bao giờ được dùng để huấn luyện.
d)
Chia dữ liệu thành k phần, dùng k-1 phần để huấn luyện và 1 phần để kiểm tra, lặp lại k lần
62.
Lasso Regression khác với Ridge Regression ở điểm nào trong hàm mất mát?
a)
Lasso sử dụng giá trị tuyệt đối của hệ số (Σ|θ_j|), còn Ridge sử dụng bình phương của hệ số (Σ(θ_j)^2)
b)
Lasso không thêm thành phần chuẩn hóa nào, còn Ridge thêm thành phần bình phương.
c)
Lasso tối ưu hóa bằng cách loại bỏ các hệ số nhỏ, còn Ridge chỉ làm giảm độ lớn của chúng.
d)
Lasso sử dụng bình phương của hệ số (Σ(θ_j)^2), còn Ridge sử dụng giá trị tuyệt đối của hệ số (Σ|θ_j|).
63.
Lệnh df.iloc trong Pandas dùng để truy cập dữ liệu dựa trên yếu tố nào?
a)
Dựa trên nhãn (label) của dòng và cột.
b)
Dựa trên vị trí/chỉ số nguyên (integer position) của dòng và cột
c)
Dựa trên điều kiện logic của giá trị trong các ô.
d)
Dựa trên tên của cột và giá trị duy nhất trong dòng.
64.
Lệnh df.loc trong Pandas dùng để truy cập dữ liệu dựa trên yếu tố nào?
a)
Dựa trên vị trí của dòng và nhãn của cột.
b)
Dựa trên nhãn (label) của dòng và cột.
c)
Dựa trên kiểu dữ liệu của các cột.
d)
Dựa trên vị trí/chỉ số nguyên (integer position) của dòng và cột.
65.
Loại biểu đồ nào sau đây phù hợp khi so sánh mối tương quan của 3 biến định lượng?
a)
Bar chart
b)
Bubble chart
c)
Pair plot (Scatter plot matrix)
d)
Scatter plot
66.
Loại biểu đồ nào sau đây phù hợp khi so sánh mối tương quan của n biến định lượng với n > 3?
a)
Box plot
b)
Line chart
c)
Heat map
d)
Pie chart
67.
Loại biểu đồ nào sau đây phù hợp so sánh các biến định tính
a)
Bar chart
b)
Line plot
c)
Histogram
d)
Scatter plot
68.
Loại phân tích nào sau đây cho phép tìm hiểu về mối tương quan giữa hai biến định lượng
a)
Univariate
b)
Multivariate
c)
Bivariate
d)
Explanatory
69.
Lỗi loại I (Type I Error) trong kiểm định giả thuyết là gì?
a)
Chấp nhận giả thuyết rỗng khi có bằng chứng rõ ràng để bác bỏ.
b)
Không bác bỏ giả thuyết rỗng khi nó thực sự sai (False Negative).
c)
Bác bỏ giả thuyết rỗng khi nó thực sự đúng (False Positive)
d)
Bác bỏ giả thuyết thay thế khi nó thực sự đúng.
70.
Lỗi loại II (Type II Error) trong kiểm định giả thuyết là gì?
a)
Không bác bỏ giả thuyết rỗng khi nó thực sự sai (False Negative)
b)
Phát hiện sự khác biệt có ý nghĩa thống kê khi thực sự không có.
c)
Bác bỏ giả thuyết thay thế khi nó thực sự sai.
d)
Bác bỏ giả thuyết rỗng khi nó thực sự đúng (False Positive).
71.
Lợi ích chính của việc sử dụng Regularization (như Lasso, Ridge) là gì?
a)
Cải thiện độ chính xác trên tập dữ liệu huấn luyện.
b)
Tăng độ phức tạp của mô hình.
c)
Tránh hiện tượng Overfitting (quá khớp)
d)
Giảm thời gian huấn luyện mô hình.
72.
Một công ty muốn thể hiện tỉ lệ phân phối ngân sách hàng năm của mình vào các lĩnh vực khác nhau như marketing, nghiên cứu và phát triển, nhân sự, và hạ tầng. Biểu đồ nào phù hợp?
a)
Pie chart
b)
Biểu đồ cột (Bar chart)
c)
Biểu đồ đường (Line chart)
d)
Biểu đồ tán xạ (Scatter plot)
73.
Một cửa hàng bán lẻ muốn hiểu về cấu trúc của đối tượng khách hàng của mình, chẳng hạn như tỷ lệ khách hàng theo độ tuổi, giới tính hoặc khu vực địa lý. Biểu đồ nào phù hợp?
a)
Biểu đồ hộp (Box plot)
b)
Pie chart
c)
Biểu đồ cột (Bar chart)
d)
Biểu đồ phân tán (Scatter plot)
74.
Một dataset có kích thước 10000 lưu thông tin về các loại táo gồm "Táo gala", "Táo fuji", "Táo queen" trong đó lần lượt 38%, 32% và 30% táo thuộc loại táo gala, táo fuji và táo queen. Phương pháp nào sau đây phù hợp nhất để encoding cho biến dữ liệu về loại táo?
a)
Label Encoding
b)
One-Hot Encoding
c)
Binary Encoding
d)
Target Encoding
75.
Một dataset có kích thước 10000 lưu thông tin về các loại táo gồm "Táo loại 1", "Táo loại 2", "Táo loại 3" trong đó lần lượt 38%, 32% và 30% táo thuộc loại táo loại 1, loại 2 và loại 3. Phương pháp nào sau đây phù hợp nhất để encoding cho biến dữ liệu về loại táo?
a)
Binary Encoding
b)
Label Encoding
c)
Frequency Encoding
d)
One-Hot Encoding
76.
Một dataset có kích thước 2000 lưu thông tin về các loại táo gồm "Táo gala", "Táo fuji", "Táo queen", "Táo mèo" và "Loại khác", trong đó 89% táo thuộc loại táo gala. Phương pháp nào sau đây phù hợp nhất để encoding cho biến dữ liệu về loại táo?
a)
Ordinal Encoding
b)
One-Hot Encoding
c)
Binary Encoding
d)
Label Encoding
77.
Một doanh nghiệp trực tuyến muốn hiểu cách các yếu tố như thời gian truy cập trang web, số trang được xem, loại thiết bị sử dụng, và nguồn truy cập (ví dụ, qua tìm kiếm, quảng cáo, hay mạng xã hội) ảnh hưởng đến tỷ lệ chuyển đổi (conversion rate). Loại biểu đồ nào phù hợp?
a)
Biểu đồ đường (Line chart)
b)
Heat map
c)
Biểu đồ phân tán (Scatter plot)
d)
Biểu đồ cột chồng (Stacked Bar chart)
78.
Mục đích chính của "Data Verification" (Kiểm tra dữ liệu) là gì?
a)
Đảm bảo dữ liệu đầy đủ, chính xác và đáng tin cậy sau khi làm sạch
b)
Phát hiện các mối quan hệ tiềm ẩn giữa các biến.
c)
Chuyển đổi các biến để phù hợp với phân tích thống kê.
d)
Loại bỏ các giá trị thiếu hoặc không nhất quán.
79.
Mục đích chính của phân tích hồi quy (Regression Analysis) là gì?
a)
Giảm thiểu số lượng đặc trưng trong dữ liệu.
b)
Tìm hiểu mối quan hệ giữa các biến và dự báo giá trị của biến phụ thuộc
c)
Nhóm các điểm dữ liệu tương tự lại với nhau.
d)
Phân loại các đối tượng vào các lớp riêng biệt.
80.
Mục đích của "Exploratory Data Analysis" (EDA) là gì?
a)
Để hiểu sơ bộ dữ liệu, phát hiện lỗi, tìm ra các mẫu (patterns) và mối quan hệ trước khi xây dựng mô hình
b)
Tạo ra các dự đoán chính xác về tương lai.
c)
Xây dựng giao diện người dùng để trực quan hóa kết quả cuối cùng.
d)
Tối ưu hóa các tham số của mô hình học máy.
81.
Mục đích của việc sử dụng tập kiểm tra (test set) tách biệt với tập huấn luyện (training set) là gì?
a)
Để tinh chỉnh các siêu tham số của mô hình trong quá trình huấn luyện.
b)
Để tăng tốc độ huấn luyện mô hình.
c)
Để đánh giá khả năng dự báo của mô hình trên dữ liệu chưa từng thấy (tránh overfitting)
d)
Để đảm bảo mô hình học được tất cả các đặc trưng của tập huấn luyện.
82.
Mức lương của nhân viên trong một công ty thuộc về loại dữ liệu nào sau đây
a)
Categorical Data
b)
Continuous Data
c)
Nominal Data
d)
Discrete Data
83.
Nguyên lý Gestalt "Closure" (Khép kín) trong thiết kế trực quan có ý nghĩa gì?
a)
Các đối tượng có màu sắc hoặc hình dáng giống nhau được xem là một nhóm
b)
Não bộ con người có xu hướng điền vào các khoảng trống để nhìn thấy một hình ảnh hoàn chỉnh
c)
Các đối tượng được sắp xếp theo một đường thẳng hoặc đường cong liên tục được nhận thức là một nhóm
d)
Các đối tượng gần nhau được xem là một nhóm
84.
Nguyên lý "Closure" trong Gestalt cho biết điều gì về nhận thức của con người?
a)
Các mục di chuyển cùng hướng được nhận thức là một nhóm
b)
Các mục được sắp xếp theo một mẫu đối xứng sẽ dễ nhận biết hơn
c)
Các mục tạo thành một vật thể đóng kín được nhận thức là một nhóm (não bộ tự điền vào các nét đứt)
d)
Các mục có màu sắc giống nhau được tự động nhóm lại
85.
Nguyên lý Gestalt "Proximity" (Gần nhau) phát biểu điều gì?
a)
Các đối tượng có cùng màu sắc hoặc kích thước được nhóm lại
b)
Các đối tượng nằm gần nhau thường được nhận thức là một nhóm
c)
Não bộ có xu hướng tự động lấp đầy khoảng trống để tạo hình ảnh hoàn chỉnh
d)
Các đối tượng có sự liên kết trực quan (ví dụ: đường thẳng) được nhóm lại
86.
Nguyên lý Gestalt "Similarity" (Tương đồng) phát biểu điều gì?
a)
Các đối tượng nằm sát nhau được nhận thức là một nhóm
b)
Các đối tượng có màu sắc, hình dáng hoặc kích thước giống nhau thường được coi là một nhóm
c)
Các đối tượng được sắp xếp theo một đường thẳng hoặc đường cong trôi chảy được nhận thức là một nhóm
d)
Não bộ có xu hướng lấp đầy các khoảng trống để nhận diện hình ảnh
87.
Nhược điểm của phương pháp "Delete" (Xóa bỏ) khi xử lý dữ liệu khuyết là gì?
a)
Chỉ áp dụng được cho dữ liệu định tính
b)
Thường làm tăng độ phức tạp tính toán của mô hình
c)
Có thể làm mất thông tin quan trọng và giảm kích thước mẫu
d)
Dễ gây ra hiện tượng overfitting cho mô hình
88.
Nhược điểm của biểu đồ tròn (Pie chart) so với biểu đồ cột (Bar chart) là gì?
a)
Không thể hiển thị các giá trị tuyệt đối, chỉ hiển thị tỷ lệ
b)
Yêu cầu tất cả các phần phải có tổng bằng 100%
c)
Khó so sánh kích thước của các lát cắt hơn là so sánh chiều dài của các thanh
d)
Chỉ phù hợp khi có một số lượng lớn các danh mục
89.
Overfitting (Quá khớp) xảy ra khi nào?
a)
Khi mô hình học quá kỹ các chi tiết và nhiễu trong tập huấn luyện, dẫn đến dự báo kém trên dữ liệu mới.
b)
Khi mô hình quá đơn giản, không thể nắm bắt được các mẫu trong dữ liệu (underfitting).
c)
Khi mô hình được huấn luyện trên một tập dữ liệu quá nhỏ.
d)
Khi mô hình hoạt động kém trên cả tập huấn luyện và tập kiểm tra.
90.
Công thức tính Accuracy là?
a)
(TN + TP) / (TP + TN + FP + FN)
b)
TP / (TP + FP)
c)
TN / (TN + FP)
d)
TP / (TP + FN)
91.
Phát biểu nào sau đây KHÔNG phải là đặc điểm của phân tích đồ hoạ (graphical analysis)
a)
Giúp phát hiện nhanh các mẫu hình, xu hướng và ngoại lai
b)
Cung cấp cái nhìn tổng quan về phân phối dữ liệu
c)
Cung cấp số liệu chi tiết
d)
Dễ dàng so sánh trực quan giữa các nhóm dữ liệu
92.
Phát biểu nào sau đây KHÔNG phải là đặc điểm của phân tích phi đồ hoạ (non-graphical analysis)
a)
Khó phát hiện các mẫu hình phức tạp hoặc ngoại lai một cách trực quan
b)
Cung cấp số liệu chính xác và chi tiết
c)
Diễn giải phụ thuộc vào chủ quan của từng người
d)
Phù hợp cho kiểm định giả thuyết và mô hình thống kê
93.
Phân phối xác suất nào có độ nhọn (Kurtosis) lớn hơn 3?
a)
Mesokurtic
b)
Leptokurtic
c)
Platykurtic
d)
Skewed
94.
Phần dư (Residual) trong hồi quy tuyến tính được tính như thế nào?
a)
Giá trị dự báo trừ đi giá trị thực tế
b)
Hiệu số giữa giá trị thực tế (observed value) và giá trị dự báo (fitted value)
c)
Tổng bình phương sai số (SSE)
d)
Tích giữa hệ số hồi quy và biến độc lập
95.
Phương pháp "Decimal Scaling" thực hiện chuẩn hóa dữ liệu như thế nào?
a)
Trừ đi giá trị trung bình và chia cho độ lệch chuẩn
b)
Dịch chuyển dấu thập phân của giá trị dữ liệu
c)
Chuyển đổi dữ liệu về khoảng [0, 1]
d)
Áp dụng hàm logarit để giảm phương sai
96.
Phương pháp "Elastic Net" là sự kết hợp của hai phương pháp nào?
a)
Principal Component Regression và Partial Least Squares Regression
b)
Lasso Regression và Ridge Regression
c)
Linear Regression và Logistic Regression
d)
Polynomial Regression và Stepwise Regression
97.
Phương pháp "Ordinary Least Squares" (OLS) tìm đường hồi quy tốt nhất bằng cách nào?
a)
Tối đa hóa khả năng (Maximum Likelihood Estimation)
b)
Tối thiểu hóa tổng giá trị tuyệt đối của sai số
c)
Tối thiểu hóa tổng bình phương sai số (SSE) giữa giá trị thực và giá trị dự báo
d)
Tối đa hóa hệ số tương quan
98.
Phương pháp nào phù hợp nhất để mã hóa biến phân loại danh định (nominal) không có thứ tự (ví dụ: Màu sắc: Đỏ, Xanh, Vàng)?
a)
Target Encoding
b)
Ordinal Encoding
c)
Label Encoding
d)
One-Hot Encoding
99.
Phương pháp tắc nào giúp giảm thiểu sự xao nhãng (distractions) trong thiết kế biểu đồ?
a)
Thêm hiệu ứng 3D và đổ bóng để biểu đồ sinh động hơn
b)
Sử dụng nhiều màu sắc tươi sáng để thu hút sự chú ý
c)
Loại bỏ các yếu tố không phải dữ liệu (non-data elements) không cần thiết như lưới dày, hiệu ứng 3D, màu sắc thừa
d)
Hiển thị tất cả các nhãn và giá trị dữ liệu trên biểu đồ
100.
Phương trình tổng quát của Hồi quy tuyến tính đa biến (Multiple Linear Regression) là gì?
a)
Y = β0 + β1X1 + β2X2 + ... + βnXn + ε
b)
Y = β0 + β1X + ε
c)
Y = β0 * β1^X1 * β2^X2 + ε
d)
Y = f(X1, X2, ..., Xn)
101.
Phương pháp encoding nào sau đây dẫn đến nguy cơ gia tăng quá nhiều số cột dữ liệu
a)
Frequency Encoding
b)
Ordinal Encoding
c)
One-Hot Encoding
d)
Label Encoding
102.
Phương pháp encoding nào sau đây KHÔNG phù hợp khi dữ liệu phân loại không có tính thứ tự
a)
Binary Encoding
b)
Label Encoding
c)
Target Encoding
d)
One-Hot Encoding
103.
Phương pháp nào bên dưới KHÔNG thể sử dụng để thể hiện phân phối độ tuổi của các nhân viên trong công ty
a)
Box plot
b)
Density plot
c)
Histogram
d)
Bubble chart
104.
Phương pháp nào sau đây cho phép scaling tập dữ liệu sang phân bố chuẩn tắc (standard normalization)
a)
Robust scaling
b)
Z-score scaling
c)
Decimal scaling
d)
Min-max scaling
105.
Phương pháp nào sau đây cho phép scaling tập dữ liệu sang thang đo [0, 1]
a)
Z-score scaling
b)
Robust scaling
c)
Min-max scaling
d)
Decimal scaling
106.
Phương pháp nào sau đây có thể được sử dụng để biến đổi dữ liệu dạng chuỗi (categorical data) thành dữ liệu số học (numerical data)?
a)
Imputation
b)
Encoding
c)
Data Aggregation
d)
Feature Scaling
107.
Phương pháp nào sau đây hỗ trợ làm sạch dữ liệu (data cleaning)
a)
Feature Engineering
b)
Median imputation
c)
One-Hot Encoding
d)
Z-score scaling
108.
Phương pháp nào sau đây ít ảnh hưởng bởi outliers
a)
Min-max scaling
b)
Z-score scaling
c)
Robust scaling
d)
Standard scaling
109.
Phương pháp nào sau đây KHÔNG được dùng để xử lý outliers
a)
Capping
b)
Heatmap
c)
Trimming
d)
Log transformation
110.
Phương pháp nào sau đây liên quan đến chuyển dữ liệu sang định dạng nhất quán và theo tiêu chuẩn mong muốn của thuật toán phân tích (standardization)
a)
Feature Scaling
b)
Data Imputation
c)
Model Evaluation
d)
String formatting
111.
Phương pháp nào sau đây scaling dữ liệu dựa trên khoảng tứ phân vị
a)
Standard scaling
b)
Min-Max scaling
c)
Robust scaling
d)
Max Absolute scaling
112.
Phương pháp "Robust Scaling" chuẩn hóa dữ liệu dựa trên các tham số nào?
a)
Giá trị trung bình (mean) và độ lệch chuẩn (standard deviation)
b)
Trung vị (median) và khoảng tứ phân vị (IQR)
c)
Giá trị tối thiểu (min) và tối đa (max)
d)
Giá trị lớn nhất tuyệt đối (max absolute value)
113.
Phương pháp hồi quy nào kết hợp cả L1 (Lasso) và L2 (Ridge) regularization?
a)
Lasso Regression
b)
Ridge Regression
c)
Hồi quy tuyến tính (Linear Regression)
d)
Elastic Net
114.
Phương pháp nào dùng để mã hóa biến phân loại có thứ tự (ví dụ: Thấp, Trung bình, Cao)?
a)
Frequency Encoding (thay thế bằng tần suất xuất hiện)
b)
One-Hot Encoding (tạo cột nhị phân cho mỗi danh mục)
c)
Label Encoding (gán số nguyên cho mỗi giá trị).
d)
Target Encoding (sử dụng giá trị trung bình của biến mục tiêu)
115.
Phương sai (Variance) đo lường điều gì?
a)
Mối quan hệ tuyến tính giữa hai biến
b)
Điểm thường xuyên nhất trong tập dữ liệu
c)
Mức độ phân tán của dữ liệu so với giá trị trung bình
d)
Giá trị trung tâm của dữ liệu
116.
Quy tắc "Data-Ink Ratio" trong thiết kế trực quan khuyến khích điều gì?
a)
Trình bày tất cả dữ liệu có sẵn trên một biểu đồ duy nhất
b)
Tối đa hóa lượng mực dùng để hiển thị dữ liệu và giảm thiểu lượng mực dùng cho các yếu tố trang trí
c)
Đảm bảo biểu đồ có thiết kế độc đáo và nghệ thuật
d)
Sử dụng nhiều màu sắc và hiệu ứng động để thu hút sự chú ý
117.
Quy tắc 1.5 * IQR được sử dụng trong biểu đồ nào để xác định ngoại lệ (outliers)?
a)
Box plot
b)
Biểu đồ tần suất (Histogram)
c)
Biểu đồ đường (Line plot)
d)
Biểu đồ phân tán (Scatter plot)
118.
Sai số chuẩn (Standard Error) của trung bình mẫu được tính bằng công thức nào?
a)
n * σ
b)
σ / sqrt(n)
c)
s (độ lệch chuẩn mẫu)
d)
σ (độ lệch chuẩn của tổng thể)
119.
Sự khác biệt chính giữa Hồi quy tuyến tính đơn biến và đa biến là gì?
a)
Đơn biến chỉ có một biến độc lập, đa biến có hai hoặc nhiều biến độc lập
b)
Đơn biến chỉ có thể dự đoán một giá trị, đa biến có thể dự đoán một khoảng giá trị
c)
Đơn biến sử dụng dữ liệu định lượng, đa biến sử dụng dữ liệu định tính
d)
Đơn biến có một biến phụ thuộc, đa biến có nhiều biến phụ thuộc
120.
Sự khác biệt giữa "Histogram" và "Bar chart" là gì?
a)
Histogram có các cột rời rạc, Bar chart có các cột liền kề
b)
Histogram hiển thị giá trị trung bình, Bar chart hiển thị giá trị trung vị
c)
Histogram chỉ dùng cho dữ liệu thời gian, Bar chart dùng cho mọi loại dữ liệu
d)
Histogram dùng cho dữ liệu định lượng (phân phối tần suất), Bar chart dùng cho dữ liệu định tính/phân loại
121.
Tại sao cần phải chia dữ liệu thành tập Train và tập Test trong Machine Learning?
a)
Để tăng tốc độ huấn luyện mô hình.
b)
Để đánh giá khả năng dự báo của mô hình trên dữ liệu chưa từng gặp (tránh đánh giá thiên lệch)
c)
Để đảm bảo mô hình chỉ học được các đặc trưng quan trọng nhất.
d)
Để dễ dàng triển khai mô hình vào môi trường sản phẩm.
122.
Tại sao cần phải làm sạch dữ liệu (Data Cleaning)?
a)
Để giảm kích thước tập dữ liệu, tiết kiệm bộ nhớ.
b)
Vì dữ liệu thực tế thường bẩn, sai lệch, không đầy đủ và có thể dẫn đến kết luận sai hoặc quyết định kinh doanh sai lầm.
c)
Để chuyển đổi dữ liệu thành định dạng JSON.
d)
Để tạo ra các biến mới từ dữ liệu hiện có.
123.
Tham số λ (lambda) trong Lasso và Ridge Regression có vai trò gì?
a)
Xác định số lượng đặc trưng cần loại bỏ khỏi mô hình.
b)
Điều chỉnh mức độ phạt (regularization) để kiểm soát độ phức tạp của mô hình
c)
Kiểm soát tốc độ hội tụ của thuật toán tối ưu.
d)
Điều chỉnh ngưỡng phân loại cho mô hình.
124.
Thư viện Python nào chuyên dùng cho các thao tác đại số tuyến tính và mảng đa chiều?
a)
Matplotlib
b)
Scikit-learn
c)
Pandas
d)
NumPy
125.
Thư viện Python nào cung cấp các cấu trúc dữ liệu và công cụ phân tích dữ liệu dạng bảng (DataFrames)?
a)
TensorFlow
b)
NumPy
c)
Pandas.
d)
Seaborn
126.
Thư viện Seaborn trong Python được xây dựng dựa trên thư viện nào?
a)
Matplotlib
b)
Pandas
c)
Scikit-learn
d)
NumPy
127.
Tiên đề xác suất thứ 2 phát biểu gì về hai sự kiện xung khắc (disjoint events) A và B?
a)
P(A∪B) = P(A) + P(B)
b)
P(A∩B) = P(A) * P(B)
c)
P(A) + P(B) = 1
d)
P(A|B) = P(A)
128.
Trong biểu đồ Scatter plot, nếu các điểm dữ liệu phân tán ngẫu nhiên không theo quy luật nào, điều này ám chỉ gì?
a)
Có mối quan hệ tuyến tính mạnh.
b)
Không có mối quan hệ (no relationship) giữa hai biến
c)
Dữ liệu bị lỗi hoặc có ngoại lệ.
d)
Có mối quan hệ phi tuyến tính phức tạp.
129.
Trong biểu đồ Box plot, đường ở giữa hộp chữ nhật đại diện cho giá trị nào?
a)
Phần tư vị thứ nhất (Q1)
b)
Giá trị trung bình (Mean)
c)
Trung vị (Median) hay Q2
d)
Phần tư vị thứ ba (Q3)
130.
Trong chuẩn hóa dữ liệu, công thức x_norm= (x-μ)/σ là của phương pháp nào?
a)
Min-Max Scaling
b)
Robust Scaling
c)
Z-score Normalization (Standardization)
d)
Log Transformation
131.
Trong EDA, phân tích đơn biến (Univariate Analysis) tập trung vào điều gì?
a)
Tổng hợp dữ liệu để tạo ra các bảng thống kê và biểu đồ phức tạp
b)
Xác định và xử lý các giá trị thiếu hoặc ngoại lai trong dữ liệu
c)
Tìm hiểu đặc điểm, phân phối và tính chất của một biến duy nhất
d)
Phân tích mối quan hệ giữa hai biến để tìm tương quan
132.
Trong phương pháp IQR để phát hiện outliers, giá trị "Lower fence" được tính như thế nào?
a)
Q3 - 1.5 * IQR
b)
Q1 - 3 * IQR
c)
Q2 - 1.5 * IQR
d)
Q1 - 1.5 * IQR
133.
Trong phương pháp IQR để phát hiện outliers, giá trị "Upper fence" được tính như thế nào?
a)
Q3 + 1.5 * IQR
b)
Q2 + 1.5 * IQR
c)
Q1 + 1.5 * IQR
d)
Q3 + 3 * IQR
134.
Trong quy trình EDA, bước nào giúp xác định các vấn đề về chất lượng dữ liệu như missing values hay outliers?
a)
Feature Engineering
b)
Model Building
c)
Data Visualization
d)
Data Cleaning (hoặc Initial Assessment)
135.
Trong thư viện Pandas, lệnh nào dùng để nối hai Data Frame theo chiều dọc (chồng lên nhau)?
a)
pd.merge(df1, df2)
b)
pd.concat([df1, df2], axis=0)
c)
pd.concat([df1, df2], axis=1)
d)
df1.append(df2)
136.
Trong thư viện Pandas, lệnh nào dùng để trộn hai Data Frame dựa trên một cột khóa chung (tương tự SQL Join)?
a)
pd.concat()
b)
pd.pivot_table()
c)
pd.groupby()
d)
pd.merge()
137.
Trực quan hóa dữ liệu (Data Visualization) đóng vai trò gì trong EDA?
a)
Xây dựng các mô hình dự đoán chính xác nhất
b)
Tự động tạo ra các biến mới từ dữ liệu hiện có
c)
Giúp nhận diện xu hướng, mẫu hình và mối quan hệ phức tạp một cách trực quan và nhanh chóng
d)
Tự động làm sạch dữ liệu và điền các giá trị thiếu
138.
Tương quan (Correlation) khác với Nhân quả (Causation) như thế nào?
a)
Tương quan chỉ ra mối liên hệ giữa hai biến, không ám chỉ biến này gây ra biến kia
b)
Nhân quả là một dạng đặc biệt của tương quan, nơi một biến luôn gây ra biến kia
c)
Tương quan đo lường mức độ mạnh yếu của mối quan hệ, còn nhân quả chỉ xác định sự tồn tại
d)
Tương quan chỉ hướng của mối quan hệ, trong khi nhân quả xác định nguyên nhân và kết quả
139.
Táo có các loại "Loại 1", "Loại 2", "Loại 3" trong đó loại 1 là cao cấp nhất. Dữ liệu này thuộc loại nào?
a)
Nominal Data
b)
Ordinal Data
c)
Ratio Data
d)
Interval Data
140.
Trong phương pháp dùng IQR để xử lý outliers, công thức tính toán lower_fence = Q1 - 1.5 * IQR và upper_fence = Q3 + 1.5 * IQR, giá trị 1.5 mang ý nghĩa
a)
Tỷ lệ phần trăm dữ liệu được coi là outliers
b)
Giá trị hằng số đặt ra theo tiêu chuẩn chung dựa độ tin cậy về tập dữ liệu được xem là bình thường (normal)
c)
Khoảng cách tối đa giữa Q1 và Q3
d)
Số lượng độ lệch chuẩn mà dữ liệu được phép sai lệch khỏi trung bình
141.
Trong hồi quy tuyến tính đơn biến, b0 ,b1 được gọi là gì?
a)
Hằng số phương trình - Biến độc lập
b)
Hệ số chặn - Hệ số góc (Slope)
c)
Phần dư - Giá trị dự đoán
d)
Tham số tối ưu hóa - Sai số dự đoán
142.
Trong phân tích dữ liệu, "Data Verification" (Xác minh dữ liệu) nhằm mục đích gì?
a)
Loại bỏ dữ liệu trùng lặp
b)
Trực quan hóa dữ liệu để tìm insight
c)
Đảm bảo tính đầy đủ, chính xác và độ tin cậy của dữ liệu
d)
Chuyển đổi kiểu dữ liệu
143.
Xác suất có điều kiện P(A|B) được tính bằng công thức nào?
a)
P(A) / P(B)
b)
P(A ∩ B) / P(B)
c)
P(A) * P(B)
d)
P(A) + P(B) - P(A ∩ B)
144.
Vai trò của EDA trong giai đoạn data preprocessing?
a)
Xác định các giá trị ngoại lệ trong dữ liệu
b)
Điền các giá trị thiếu
c)
Chọn thuật toán mô hình phù hợp
d)
Chuẩn hóa các đặc trưng dữ liệu
145.
Vai trò của việc sử dụng biểu đồ phân tán (scatter plot) trong EDA
a)
Kiểm tra mối quan hệ giữa hai biến định lượng
b)
Hiển thị phân phối của một biến định lượng
c)
So sánh giá trị giữa các danh mục
d)
Trực quan hóa dữ liệu theo thời gian
146.
Vai trò của "Data Transformation" (Chuyển đổi dữ liệu) là gì?
a)
Tìm kiếm các mẫu hình ẩn trong dữ liệu
b)
Chuyển đổi dữ liệu sang định dạng phù hợp cho việc phân tích (ví dụ: encoding, scaling)
c)
Lưu trữ dữ liệu một cách hiệu quả
d)
Loại bỏ nhiễu và sai số trong dữ liệu
147.
Vấn đề "Multicollinearity" (Đa cộng tuyến) trong hồi quy đa biến là gì?
a)
Khi mô hình có quá nhiều đặc trưng
b)
Khi các phần dư không tuân theo phân phối chuẩn
c)
Khi biến phụ thuộc có mối tương quan mạnh với biến độc lập
d)
Khi các biến độc lập có mối tương quan mạnh với nhau
148.
Yếu tố nào quyết định việc chọn phương pháp phân tích (Graph hay Non-graph)
a)
Sở thích cá nhân của nhà phân tích
b)
Bản chất của dữ liệu (định lượng/định tính), số lượng biến và mục đích phân tích
c)
Kích thước của tập dữ liệu
d)
Phần mềm phân tích có sẵn
149.
F-statistic trong phân tích hồi quy được sử dụng để làm gì?
a)
Đo lường mức độ tương quan giữa các biến
b)
Kiểm định xem tất cả các hệ số hồi quy trong mô hình đều bằng không hay không
c)
Xác định xem phần dư có phân phối chuẩn hay không
d)
Kiểm định ý nghĩa thống kê của từng hệ số hồi quy riêng lẻ
150.
Vai trò chính của Gain Ratio trong cây quyết định là gì?
a)
Khắc phục xu hướng Information Gain ưu tiên thuộc tính có nhiều giá trị
b)
Cắt tỉa cây quyết định để tránh overfitting
c)
Đo lường mức độ hỗn loạn (impurity) của một nút
d)
Tính toán lượng thông tin thu được khi chia nút
151.
Hệ số góc trong mô hình hồi quy tuyến tính đơn biến biểu thị điều gì?
a)
Sai số trung bình của các dự đoán của mô hình
b)
Sự thay đổi kỳ vọng của biến phụ thuộc cho một đơn vị thay đổi của biến độc lập
c)
Giá trị dự đoán của biến phụ thuộc khi biến độc lập bằng 0
d)
Độ mạnh của mối quan hệ tuyến tính giữa hai biến
152.
Công thức tính F1-score là gì?
a)
(True Positives + True Negatives) / Total Samples
b)
2 * (Precision * Recall) / (Precision + Recall)
c)
Precision + Recall / 2
d)
True Positives / (True Positives + False Positives)
153.
Residual trong hồi quy cho biết thông tin nào sau đây?
a)
Độ lệch giữa giá trị y quan sát được trong tập dữ liệu và y tính được từ x qua đường hồi quy
b)
Tổng bình phương các sai số của mô hình
c)
Khoảng cách trung bình giữa các điểm dữ liệu và đường hồi quy
d)
Mức độ biến động của biến phụ thuộc không được giải thích bởi mô hình
154.
Trong mô hình cây quyết định, điều kiện dừng phổ biến để tạo node lá là gì?
a)
Khi tất cả mẫu trong node thuộc cùng một lớp
b)
Khi số lượng mẫu trong node dưới một ngưỡng nhất định
c)
Khi độ lợi thông tin (Information Gain) đạt cực đại
d)
Khi đạt đến độ sâu cây tối đa đã định trước
155.
FN (False Negative) là trường hợp nào?
a)
Mẫu thật là 1 nhưng dự đoán là 0
b)
Mẫu thật là 1 và dự đoán là 1
c)
Mẫu thật là 0 nhưng dự đoán là 1
d)
Mẫu thật là 0 và dự đoán là 0
156.
Accuracy được định nghĩa là gì?
a)
Tỉ lệ số mẫu đúng trên tổng số mẫu
b)
Tỉ lệ số dự đoán đúng dương trên tổng số mẫu dương thật
c)
Trung bình điều hòa giữa Precision và Recall
d)
Tỉ lệ số dự đoán đúng dương trên tổng số dự đoán dương
157.
Trong Logistic Regression, xác suất P(Y = 1 | X) được tính bằng hàm nào?
a)
P = e^-(b0 + b1X) / (1 + e^-(b0 + b1X))
b)
P = 1 / (1 + e^-(b0 + b1X))
c)
P = tanh(b0 + b1X)
d)
P = b0 + b1X
158.
F1-score đo lường điều gì?
a)
Trung bình điều hòa giữa Precision và Recall
b)
Tỉ lệ tổng số dự đoán đúng trên tổng số mẫu
c)
Độ chính xác của các dự đoán dương
d)
Trung bình cộng giữa Precision và Recall
159.
Trong phân tích hồi quy đơn biến, nếu giá trị R-bình phương là 0.85, điều này có nghĩa là gì?
a)
85% phương sai của biến phụ thuộc có thể được giải thích bởi mô hình
b)
85% các dự đoán của mô hình là chính xác
c)
Có mối tương quan tuyến tính 85% giữa biến độc lập và biến phụ thuộc
d)
85% phương sai của biến độc lập được giải thích bởi biến phụ thuộc
160.
R-squared trong hồi quy đo lường điều gì?
a)
Sai số trung bình của các dự đoán của mô hình
b)
Tổng các bình phương phần dư
c)
Tỷ lệ phần trăm biến phụ thuộc được giải thích bởi mô hình hồi quy
d)
Độ mạnh của mối quan hệ tuyến tính giữa biến độc lập và biến phụ thuộc
161.
Sai số ngẫu nhiên e trong mô hình hồi quy Y = b0 + b1.X + e KHÔNG liên quan đến thông tin nào bên dưới?
a)
Các yếu tố ngẫu nhiên không thể giải thích được ảnh hưởng đến Y.
b)
Các biến độc lập không hoàn toàn tương ứng với biến trong mô hình lý thuyết
c)
Sai số trong việc đo lường biến phụ thuộc Y.
d)
Sự hiện diện của các biến bị bỏ sót ảnh hưởng đến biến phụ thuộc.
162.
Trong cây quyết định, Gini impurity của một node dùng để đo điều gì?
a)
Mức độ không thuần khiết của node
b)
Số lượng mẫu trong node
c)
Độ chính xác dự đoán của node
d)
Tỷ lệ phân loại đúng của node
163.
Đâu là phát biểu đúng về phân tích hồi quy đa biến?
a)
Được sử dụng để phân tích ảnh hưởng của một biến độc lập lên nhiều biến phụ thuộc.
b)
Là một kỹ thuật dùng để phân loại các quan sát thành các nhóm khác nhau.
c)
Được sử dụng để phân tích ảnh hưởng của nhiều biến độc lập lên một biến phụ thuộc duy nhất.
d)
Dùng để ước tính mối quan hệ giữa hai biến định tính.
164.
Precision được định nghĩa là gì?
a)
TP / (TP + FN)
b)
TP / (TP + FP)
c)
(TN + TP) / (TN + FP + FN + TP)
d)
TN / (TN + FP)
165.
Hệ số chặn trong mô hình hồi quy tuyến tính đơn biến biểu thị điều gì?
a)
Thay đổi trung bình của biến phụ thuộc khi biến độc lập thay đổi 1 đơn vị.
b)
Giá trị trung bình của biến phụ thuộc khi biến độc lập bằng không
c)
Giá trị lớn nhất mà biến phụ thuộc có thể đạt được.
d)
Mức độ tương quan giữa biến độc lập và biến phụ thuộc.
166.
Trong mô hình hồi quy tuyến tính đơn, hệ số góc (slope) cho biết thông tin gì?
a)
Giá trị trung bình của Y khi X bằng 0.
b)
Thay đổi trung bình của Y với mỗi 1 đơn vị thay đổi của X
c)
Mức độ phân tán của các điểm dữ liệu quanh đường hồi quy.
d)
Tỷ lệ phần trăm giải thích được của biến phụ thuộc bởi biến độc lập.
167.
Trong mô hình phân lớp, TP (True Positive) là gì?
a)
Số mẫu thực tế là 0 nhưng dự đoán là 1
b)
Số mẫu thực tế là 1 nhưng dự đoán là 0
c)
Số mẫu thực tế là 1 nhưng dự đoán là 1
d)
Số mẫu thực tế là 0 nhưng dự đoán là 0
168.
Từ 1 mẫu ngẫu nhiên, ta có thể ước lượng được các mô hình hồi quy khác nhau?
a)
Chỉ khi mẫu đủ lớn.
b)
Chỉ khi các biến có mối quan hệ tuyến tính hoàn hảo.
c)
Sai.
d)
Đúng
169.
Giá trị R² càng thấp thì độ chính xác của mô hình hồi quy càng cao?
a)
Điều này chỉ đúng với các mô hình hồi quy phi tuyến.
b)
Điều này chỉ đúng khi p-value nhỏ hơn 0.05.
c)
Sai.
d)
Đúng.
170.
FP (False Positive) thể hiện điều gì?
a)
Dự đoán đúng khi dự đoán 1 cho mẫu thật 1.
b)
Dự đoán sai khi dự đoán 0 cho mẫu thật 1.
c)
Dự đoán sai khi dự đoán 1 cho mẫu thật 0
d)
Dự đoán đúng khi dự đoán 0 cho mẫu thật 0.
171.
TN (True Negative) biểu thị điều gì trong ma trận nhầm lẫn?
a)
Dự đoán sai, thực tế là 1 nhưng dự đoán là 0
b)
Dự đoán đúng cho lớp 0
c)
Dự đoán đúng cho lớp 1
d)
Dự đoán sai, thực tế là 0 nhưng dự đoán là 1
172.
Recall được tính theo công thức nào?
a)
TN / (TN + FP)
b)
TP / (TP + FN)
c)
(TP + TN) / (TP + TN + FP + FN)
d)
TP / (TP + FP)
173.
Trong thuật toán ID3, thuộc tính nào được chọn làm node tách tại mỗi bước?
a)
Thuộc tính có Gain Ratio lớn nhất
b)
Thuộc tính có Information Gain lớn nhất
c)
Thuộc tính có Gini Impurity thấp nhất
d)
Thuộc tính có số lượng giá trị duy nhất ít nhất
Reset
