wayground logo

Free Printable Worksheets

Font size

S
M
L
XL
Worksheets

Untitled Quiz

Total questions: 150

Worksheet time: 1hrs 15mins

Name
Class
Date
1.

Để đọc tệp Excel có nhiều sheet và chỉ lấy sheet tên là '2010s', câu lệnh nào đúng?

a)

df = pd.read_csv('Data.xlsx', sheet='2010s')

b)

df = pd.read_excel('Data.xlsx', sheet_name='2010s')

c)

df = pd_read_excel('2010s')

d)

df = pd.open_excel('Data.xlsx', '2010s')

2.

Giả sử cột 'Age' chứa giá trị thiếu. Lệnh nào dùng để điền các giá trị thiếu đó bằng giá trị trung vị (Median)?

a)

df['Age'].dropna()

b)

df['Age'].replace_nan(df['Age'].mean())

c)

df['Age'].fill(median)

d)

df['Age'].fillna(df['Age'].median(), inplace=True)

3.

Để lọc ra các dòng trong df mà tại đó cột 'Salary' lớn hơn 5000, ta viết câu lệnh nào?

a)

df.where('Salary > 5000')

b)

df[df['Salary'] > 5000]

c)

df.filter('Salary > 5000')

d)

df.select('Salary' > 5000)

4.

Lệnh nào dùng để đổi tên cột từ 'Old_Name' thành 'New_Name'?

a)

df.rename_column('Old_Name', 'New_Name')

b)

df.change_name('Old_Name', 'New_Name')

c)

df.columns['Old_Name'] = 'New_Name'

d)

df.rename(columns={'Old_Name': 'New_Name'})

5.

Để tính tổng giá trị của cột 'Revenue' theo từng nhóm trong cột 'City', ta dùng lệnh nào?

a)

df.groupby('City')['Revenue'].sum()

b)

df.sum('Revenue').by('City')

c)

df['City'].sum('Revenue')

d)

pd.sum_by_group(df, 'City', 'Revenue')

6.

Để thực hiện chuẩn hoá Z-score cho cột 'Score', công thức code nào phản ánh đúng?

a)

(df['Score'] - df['Score'].min()) / (df['Score'].max() - df['Score'].min())

b)

(df['Score'] - df['Score'].mean()) / df['Score'].std()

c)

df['Score'].max()

d)

np.log(df['Score'])

7.

Trong Scikit-learn, sau khi khởi tạo mô hình, lệnh nào dùng để đưa dữ liệu vào huấn luyện?

a)

model.learn(X_train, y_train)

b)

model.fit(X_train, y_train)

c)

model.train(X_train, y_train)

d)

model.execute(X_train, y_train)

8.

Để chia tập dữ liệu thành hai phần Train/Test với tỷ lệ 80/20, ta dùng hàm nào?

a)

model.divide(0.2)

b)

pd.split(df, [0.8, 0.2])

c)

split_data(X, y, ratio=0.8)

d)

train_test_split(X, y, test_size=0.2)

9.

Khi làm việc với K-Means, để lấy tọa độ các tâm cụm sau khi huấn luyện, ta dùng thuộc tính nào?

a)

model.cluster_centers_

b)

model.centroids_

c)

model.get_centers()

d)

model.points_

10.

Để đánh giá độ chính xác (Accuracy) của mô hình phân lớp, ta có thể dùng câu lệnh nào?

a)

print(model.score_total)

b)

df.compare_accuracy(y_true, y_pred)

c)

model.evaluate_accuracy()

d)

from sklearn.metrics import accuracy_score; accuracy_score(y_true, y_pred)

11.

Để đặt cột 'Timestamp' làm chỉ mục (Index) cho DataFrame, ta dùng lệnh nào?

a)

pd.Index(df['Timestamp'])

b)

df.make_index('Timestamp')

c)

df.index = 'Timestamp'

d)

df.set_index('Timestamp', inplace=True)

12.

Để trích xuất thông tin "Tháng" từ một cột kiểu datetime, ta dùng lệnh nào?

a)

df['Date'].month()

b)

pd.get_month(df['Date'])

c)

df['Date'].extract('month')

d)

df['Date'].dt.month

13.

Để tính giá trị lớn nhất trong một cửa sổ trượt (rolling window) 7 ngày, ta dùng lệnh nào?

a)

df['Sales'].max(window=7)

b)

pd.max_rolling(df['Sales'], 7)

c)

df['Sales'].shift(7).max()

d)

df['Sales'].rolling(window=7).max()

14.

Những thư viện nào sau đây thường được dùng trong quy trình Khai phá dữ liệu bằng Python? (Chọn tất cả đáp án đúng)

a)

Pandas

b)

Matplotlib

c)

Scikit-learn

d)

Numpy

15.

Các tham số nào có thể tuỳ chỉnh trong thuật toán DecisionTreeClassifier của Sklearn? (Chọn tất cả đáp án đúng)

a)

criterion ('gini' hoặc 'entropy')

b)

max_depth (độ sâu tối đa của cây)

c)

n_clusters (số lượng cụm)

d)

min_samples_split (số mẫu tối thiểu để chia nút)

16.

Khi sử dụng hàm pd.concat(), ta có thể gộp dữ liệu theo những cách nào? (Chọn tất cả đáp án đúng)

a)

Theo hàng (axis=0)

b)

Theo cột (axis=1)

c)

Theo thời gian (axis='time')

d)

Theo bảng chữ cái (axis='alpha')

17.

Một dòng khai báo thuộc tính nominal trong file .arff nào dưới đây là viết đúng cú pháp?

a)

@attribute outlook (sunny, overcast, rainy)

b)

@attribute outlook {sunny, overcast, rainy}

c)

@attribute outlook [sunny, overcast, rainy]

d)

@attribute outlook sunny, overcast, rainy

18.

Trong code Python, để lưu một DataFrame df thành file CSV mà không kèm theo cột chỉ số (index), ta dùng lệnh nào?

a)

df.export('filename.csv')

b)

df.save_csv('filename.csv')

c)

df.write_csv('filename.csv', header=None)

d)

df.to_csv('filename.csv', index=False)

19.

Đâu là cách khai báo thuộc tính ngày tháng trong file .arff?

a)

@attribute date string

b)

@attribute date date "yyyy-MM-dd"

c)

@attribute date format="yyyy-MM-dd"

d)

@attribute date time

20.

Để xem hình ảnh cây quyết định trực quan trong Python (sử dụng thư viện tree), ta dùng lệnh nào?

a)

tree.plot_tree(model)

b)

model.show()

c)

plt.display(model)

d)

tree.draw(model)

21.

Để kiểm tra số lượng giá trị thiếu trong từng cột của DataFrame df, câu lệnh nào là đúng?

a)

df.describe()

b)

df.count_missing()

c)

df.info()

d)

df.isnull().sum()

22.

Đoạn code nào đúng để chuẩn hoá dữ liệu theo phương pháp Min-Max về khoảng [0, 1]?

a)

df / df.max()

b)

(df - df.mean()) / df.std()

c)

(df - df.min()) / (df.max() - df.min())

d)

df.normalize()

23.

Trong thư viện Scikit-learn, để huấn luyện mô hình K-Means với 3 cụm, ta viết lệnh nào?

a)

kmeans = KMeans(n_clusters=3).fit(data)

b)

kmeans = KMeans(k=3).train(data)

c)

kmeans = cluster(3).fit(data)

d)

kmeans = KMeans.fit(data, clusters=3)

24.

Để chuyển cột 'Date' sang kiểu dữ liệu thời gian trong Pandas, câu lệnh nào đúng?

a)

df['Date'] = pd.convert_date(df['Date'])

b)

df['Date'] = pd.to_datetime(df['Date'])

c)

df['Date'] = datetime(df['Date'])

d)

df['Date'] = df['Date'].astype('time')

25.

Để tính ma trận tương quan giữa các thuộc tính số trong df, ta dùng:

a)

df.compare()

b)

df.covariance()

c)

df.relation()

d)

df.corr()

26.

Lệnh df.iloc[0:5, 1:3] có ý nghĩa gì?

a)

Lấy từ dòng 1 đến 5 và cột 1 đến 3

b)

Lấy 5 dòng đầu tiên và cột từ index 1 đến 2

c)

Lấy tất cả các dòng có giá trị từ 0 đến 5

d)

Lấy 5 dòng cuối cùng

27.

Trong bài toán Cây quyết định với Sklearn, lệnh model.predict(X_test) dùng để:

a)

Vẽ hình ảnh của cây

b)

Tính độ chính xác của mô hình

c)

Huấn luyện mô hình trên tập kiểm thử

d)

Dự đoán nhãn lớp cho tập dữ liệu mới (X_test)

28.

Để tính giá trị trung bình trượt (Moving Average) với cửa sổ là 3 ngày trong Pandas:

a)

df['Sales'].moving(3)

b)

df['Sales'].shift(3).mean()

c)

df['Sales'].average(3)

d)

df['Sales'].rolling(window=3).mean()

29.

Để xóa cột 'ID' ra khỏi DataFrame df, ta dùng lệnh nào?

a)

df.drop('ID', axis=0)

b)

df.remove('ID')

c)

df.delete('ID')

d)

df.drop('ID', axis=1)

30.

Để gộp 3 DataFrame df1, df2, df3 chồng lên nhau theo hàng, ta dùng:

a)

df1.append(df2, df3)

b)

pd.merge(df1, df2, df3)

c)

df1.join([df2, df3])

d)

pd.concat([df1, df2, df3])

31.

Khai phá dữ liệu (Data Mining) là gì?

a)

Quá trình nhập dữ liệu từ giấy tờ vào máy tính

b)

Quá trình khám phá tri thức tiềm ẩn, hữu ích từ tập dữ liệu lớn

c)

Quá trình lưu trữ dữ liệu vào kho lưu trữ tập trung

d)

Quá trình sao lưu dữ liệu để tránh mất mát

32.

Quy trình KDD (Knowledge Discovery in Databases) gồm mấy bước chính?

a)

3 bước

b)

4 bước

c)

7 bước

d)

5 bước

33.

Bước nào trong quy trình KDD thực hiện việc làm sạch và tích hợp dữ liệu?

a)

Selection (Lựa chọn)

b)

Data Mining (Khai phá dữ liệu)

c)

Transformation (Biến đổi)

d)

Preprocessing (Tiền xử lý)

34.

Trong "3Vs" của Big Data, "Variety" đề cập đến yếu tố nào?

a)

Tốc độ sinh dữ liệu

b)

Kích thước của dữ liệu

c)

Giá trị kinh tế của dữ liệu

d)

Sự đa dạng các loại dữ liệu (cấu trúc, phi cấu trúc...)

35.

Nhiệm vụ nào sau đây thuộc về "Học có giám sát" (Supervised Learning)?

a)

Giảm chiều dữ liệu

b)

Phân lớp (Classification)

c)

Khai phá luật kết hợp (Association Rules)

d)

Phân cụm (Clustering)

36.

Đâu là ví dụ về dữ liệu phi cấu trúc (Unstructured Data)?

a)

Cơ sở dữ liệu khách hàng SQL

b)

Video, hình ảnh và tệp âm thanh

c)

Tệp tin XML

d)

Bảng lương nhân viên trong Excel

37.

Bài toán dự đoán giá vàng vào ngày mai dựa trên dữ liệu quá khứ là bài toán:

a)

Phát hiện ngoại lệ

b)

Phân cụm

c)

Hồi quy (Regression)

d)

Phân lớp

38.

Khai phá dữ liệu khác với Thống kê truyền thống ở điểm nào?

a)

Khai phá dữ liệu chỉ dùng cho dữ liệu nhỏ

b)

Thống kê không dùng toán học

c)

Khai phá dữ liệu tập trung vào việc tự động phát hiện mẫu từ tập dữ liệu rất lớn

d)

Thống kê không cần máy tính

39.

"Data Warehouse" (Kho dữ liệu) đóng vai trò gì trong khai phá dữ liệu?

a)

Là một loại thuật toán phân cụm

b)

Là kết quả đầu ra của quá trình KDD

c)

Là nguồn cung cấp dữ liệu đã được làm sạch và tích hợp

d)

Là nơi thực hiện các thuật toán khai phá

40.

Thuật ngữ "Outlier Detection" dùng để chỉ việc:

a)

Tìm các mẫu dữ liệu bất thường, khác biệt hẳn với phần còn lại

b)

Tìm các nhóm dữ liệu giống nhau

c)

Xóa bỏ các thuộc tính không cần thiết

d)

Dự đoán nhãn cho dữ liệu mới

41.

Bước cuối cùng trong quy trình KDD là gì?

a)

Data Mining

b)

Transformation

c)

Selection

d)

Interpretation/Evaluation (Giải thích/Đánh giá)

42.

"CRM" ứng dụng khai phá dữ liệu để làm gì?

a)

Bảo trì máy chủ

b)

Viết báo cáo thuế

c)

Quản lý tiền lương nhân viên

d)

Phân tích hành vi và giữ chân khách hàng

43.

Đặc trưng "Velocity" trong Big Data có nghĩa là:

a)

Dữ liệu có nhiều định dạng

b)

Dữ liệu được sinh ra với tốc độ rất nhanh

c)

Dữ liệu có độ tin cậy thấp

d)

Dữ liệu cực kỳ lớn (Terabytes)

44.

Dữ liệu bán cấu trúc (Semi-structured) thường gặp dưới dạng:

a)

Các tệp tin văn bản thuần túy (.txt)

b)

File JSON hoặc XML

c)

Các hàng và cột trong database

d)

Ảnh chụp vệ tinh

45.

Bài toán phân tích giỏ hàng (Market Basket Analysis) thuộc về nhiệm vụ nào?

a)

Phân lớp

b)

Phân cụm

c)

Hồi quy

d)

Khai phá luật kết hợp

46.

Tại sao cần phải thực hiện bước "Lựa chọn" (Selection) trong KDD?

a)

Để làm đẹp báo cáo

b)

Để thuật toán chạy nhanh hơn bằng cách tập trung vào dữ liệu liên quan

c)

Vì không có đủ bộ nhớ để lưu trữ

d)

Để xóa toàn bộ dữ liệu cũ

47.

Nhiệm vụ nào nhằm mục đích chia tập dữ liệu thành các nhóm sao cho các phần tử trong cùng nhóm tương đồng nhất?

a)

Classification

b)

Clustering

c)

Regression

d)

Association Rules

48.

"Knowledge" trong KDD có thể được biểu diễn dưới dạng:

a)

Tất cả các phương án trên

b)

Các cụm (Clusters)

c)

Cây quyết định (Trees)

d)

Các quy tắc (Rules)

49.

Việc dự đoán một email là "Spam" hay "Non-spam" là bài toán:

a)

Phân cụm

b)

Luật kết hợp

c)

Hồi quy

d)

Phân lớp

50.

Khai phá dữ liệu thường được coi là sự giao thoa giữa các lĩnh vực nào?

a)

Hệ điều hành và Phần cứng

b)

Toán học, Vật lý và Hóa học

c)

Đồ họa máy tính và Mạng máy tính

d)

Thống kê, Máy học (Machine Learning) và Cơ sở dữ liệu

51.

Phương pháp lấy mẫu nào chia quần thể thành các nhóm nhỏ (strata) trước khi lấy mẫu ngẫu nhiên?

a)

Simple Random Sampling

b)

Cluster Sampling

c)

Stratified Sampling

d)

Systematic Sampling

52.

Trong Pandas, hàm nào dùng để đọc dữ liệu từ tệp CSV?

a)

pd.get_csv()

b)

pd.load_csv()

c)

pd.read_csv()

d)

pd.open_csv()

53.

Hiện tượng "Missing completely at random" (MCAR) xảy ra khi:

a)

Dữ liệu thiếu chỉ xảy ra với thuộc tính phân loại

b)

Việc dữ liệu bị thiếu không liên quan đến bất kỳ giá trị nào trong tập dữ liệu

c)

Dữ liệu thiếu do người dùng cố tình không nhập

d)

Dữ liệu thiếu phụ thuộc vào giá trị của thuộc tính khác

54.

Để tính giá trị trung bình (mean) của một cột trong Pandas, ta dùng:

a)

df['column'].mid()

b)

df['column'].mean()

c)

df['column'].sum()

d)

df['column'].average()

55.

Chuẩn hóa Min-Max đưa dữ liệu về khoảng [0, 1]. Nếu giá trị ban đầu là 20, Min=10, Max=50 thì giá trị sau chuẩn hóa là:

a)

0.2

b)

0.25

c)

0.33

d)

0.5

56.

Hệ số tương quan Pearson rr nhận giá trị trong khoảng:

a)

[0, 100]

b)

[-∞, +∞]

c)

[-1, 1]

d)

[0, 1]

57.

Lệnh df.describe() trong Pandas cung cấp thông tin gì?

a)

5 dòng dữ liệu đầu tiên

b)

Kiểu dữ liệu của từng cột

c)

Danh sách các tên cột

d)

Các thông số thống kê mô tả (mean, std, min, max...)

58.

Phương pháp nào dùng để xử lý dữ liệu bị thiếu (Missing values)?

a)

Xóa bỏ dòng dữ liệu đó

b)

Điền giá trị trung bình hoặc trung vị

c)

Sử dụng một giá trị hằng số (Global constant)

d)

Tất cả các phương án trên

59.

"Z-score normalization" sử dụng các thông số nào?

a)

Min và Max

b)

Trung vị và Khoảng tứ phân vị

c)

Trung bình (Mean) và Độ lệch chuẩn (Standard Deviation)

d)

Tổng và Số lượng mẫu

60.

Một hệ số tương quan r=−0.9r = -0.9 cho biết:

a)

Hai biến không có mối liên hệ nào

b)

Hai biến có mối liên hệ thuận mạnh

c)

Hai biến có mối liên hệ nghịch mạnh

d)

Một biến tăng, biến kia không đổi

61.

Thuộc tính "Giới tính" (Nam/Nữ) thuộc loại dữ liệu nào?

a)

Ratio (Tỷ lệ)

b)

Interval (Khoảng)

c)

Ordinal (Thứ bậc)

d)

Nominal (Định danh)

62.

Trong Pandas, hàm nào dùng để kiểm tra xem có giá trị thiếu (null) hay không?

a)

df.none()

b)

df.empty()

c)

cf.check_null()

d)

df.isnull()

63.

Mục tiêu của "Data Integration" (Tích hợp dữ liệu) là:

a)

Chia nhỏ tệp dữ liệu lớn

b)

Nén dữ liệu để tiết kiệm bộ nhớ

c)

Xóa bỏ các thuộc tính số

d)

Kết hợp dữ liệu từ nhiều nguồn khác nhau vào một kho lưu trữ duy nhất

64.

"Redundancy" (Dư thừa dữ liệu) trong tích hợp dữ liệu thường dẫn đến:

a)

Dữ liệu chính xác hơn

b)

Tiết kiệm thời gian chuẩn bị dữ liệu

c)

Lãng phí không gian lưu trữ và gây mất nhất quán

d)

Thuật toán chạy nhanh hơn

65.

Để xóa các dòng có giá trị thiếu trong Pandas, ta dùng lệnh:

a)

df.pop()

b)

df.remove_null()

c)

df.dropna()

d)

df.clean()

66.

Giá trị xuất hiện nhiều nhất trong một tập dữ liệu được gọi là:

a)

Variance (Phương sai)

b)

Mode (Yếu vị)

c)

Median (Trung vị)

d)

Mean (Trung bình)

67.

Đặc trưng thống kê nào đo lường độ phân tán của dữ liệu quanh giá trị trung bình?

a)

Mean

b)

Range

c)

Median

d)

Standard Deviation

68.

Lấy mẫu hệ thống (Systematic Sampling) được thực hiện như thế nào?

a)

Chỉ lấy các phần tử ở đầu danh sách

b)

Lấy ngẫu nhiên hoàn toàn

c)

Lấy tất cả các phần tử trong một cụm

d)

Lấy các phần tử theo một khoảng cách k cố định (vd: cứ mỗi 10 người lấy 1 người)

69.

Chức năng của hàm df.info() trong Pandas là gì?

a)

Vẽ biểu đồ phân tán

b)

Hiển thị tóm tắt về cấu trúc DataFrame, số lượng giá trị non-null và kiểu dữ liệu

c)

Hiển thị thống kê số lượng

d)

Lưu DataFrame vào file

70.

Để thay thế các giá trị NaN bằng một giá trị cụ thể (ví dụ 0), ta dùng:

a)

df.change(0)

b)

df.set_value(0)

c)

df.fillna(0)

d)

df.replace_nan()

71.

Độ hỗ trợ (Support) của tập mục {A, B} được tính bằng:

a)

Số giao dịch chứa A cộng với số giao dịch chứa B

b)

Số giao dịch chứa cả A và B chia cho tổng số giao dịch

c)

Số giao dịch chứa A chia cho số giao dịch chứa B

d)

Tổng số mục trong giỏ hàng

72.

Độ tin cậy (Confidence) của luật A→BA \rightarrow B được tính bằng:

a)

Support(A ∪ B) / Support(B)

b)

Support(A ∪ B) / Support(A)

c)

Support(A) / Support(B)

d)

Support(A ∪ B)

73.

Một luật kết hợp được gọi là "Mạnh" (Strong) nếu:

a)

Nó có độ tin cậy bằng 100%

b)

Nó thỏa mãn các ngưỡng min_support và min_confidence

c)

Nó chỉ có một mục ở vế trái

d)

Nó có độ hỗ trợ cực cao

74.

Thuật toán Apriori dựa trên tính chất nào?

a)

Nếu một tập mục là phổ biến, tập cha của nó cũng phải phổ biến

b)

Nếu một tập mục là phổ biến, tất cả các tập con của nó cũng phải phổ biến

c)

Không tập mục nào có thể phổ biến nếu Support < 1

d)

Tập mục phổ biến phải có ít nhất 2 phần tử

75.

Trong Apriori, nếu tập {Cam, Táo} không phổ biến, ta có thể kết luận gì về tập {Cam, Táo, Sữa}?

a)

Nó có thể phổ biến

b)

Chắc chắn không phổ biến (Cắt tỉa - Pruning)

c)

Nó chắc chắn phổ biến

d)

Cần quét dữ liệu mới biết được

76.

Chỉ số "Lift" của luật A→BA \rightarrow B được tính bằng:

a)

Confidence(A → B) - Support(B)

b)

Support(A ∪ B) / Support(B)

c)

Support(A) × Support(B)

d)

Confidence(A → B) / Support(B)

77.

Giá trị Lift = 1 có ý nghĩa gì?

a)

A và B có liên quan thuận

b)

A và B độc lập với nhau

c)

A và B có liên quan nghịch

d)

Luật này là cực kỳ mạnh

78.

Giải thuật Apriori thực hiện quét cơ sở dữ liệu bao nhiêu lần?

a)

Không cần quét cơ sở dữ liệu

b)

Tương ứng với số lượng tập mục phổ biến lớn nhất tìm được

c)

Chỉ 1 lần duy nhất

d)

100 lần

79.

"Itemset" (Tập mục) là gì?

a)

Tên của khách hàng

b)

Một tập hợp chứa một hoặc nhiều mục (mặt hàng)

c)

Một quy tắc dự đoán

d)

Một dòng trong cơ sở dữ liệu

80.

Mục đích chính của khai phá luật kết hợp là:

a)

Dự đoán doanh số bán hàng tháng sau

b)

Chia khách hàng thành 2 nhóm

c)

Tìm ra các mặt hàng thường xuyên được mua cùng nhau

d)

Sắp xếp kho hàng theo thứ tự bằng chữ cái

81.

Cho 100 giao dịch. Tập {Bánh mì, Sữa} xuất hiện 30 lần. Support của tập này là:

a)

0.7

b)

0.3

c)

3.0

d)

30

82.

Cho Support(Sữa) = 0.5 và Support(Sữa, Bơ) = 0.4. Confidence của luật Sữa → Bơ là:

a)

0.4

b)

0.5

c)

0.9

d)

0.8

83.

Bước "Join step" trong Apriori dùng để làm gì?

a)

Kết nối với cơ sở dữ liệu SQL

b)

Tính độ tin cậy của luật

c)

Xóa các giao dịch nhiễu

d)

Tạo ra các tập ứng viên (k+1)(k+1) -itemset từ các tập phổ biến kk -itemset

84.

Nếu ngưỡng min_support tăng lên, số lượng tập mục phổ biến tìm được sẽ:

a)

Tăng lên

b)

Giảm đi

c)

Không đổi

d)

Không xác định

85.

Luật kết hợp thường được biểu diễn dưới dạng:

a)

Sx → YS

b)

IF <Điều kiện> THEN

c)

Cả A và B đều đúng

d)

Một phương trình bậc hai

86.

Nhược điểm chính của Apriori khi làm việc với tập dữ liệu cực lớn là:

a)

Kết quả không chính xác

b)

Không thể tìm được các luật có 2 mục

c)

Thuật toán quá đơn giản

d)

Phải quét cơ sở dữ liệu nhiều lần, gây tốn thời gian I/O

87.

Trong bài toán Market Basket, "TID" thường viết tắt cho:

a)

Time ID

b)

Table ID

c)

Total ID

d)

Transaction ID

88.

Một tập mục chứa SkS mục được gọi là:

a)

k-frequent

b)

Item-k

c)

k-itemset

d)

Support-k

89.

Ứng dụng của luật kết hợp trong bố trí siêu thị là:

a)

Chỉ bán một loại mặt hàng duy nhất

b)

Giảm giá tất cả các mặt hàng

c)

Đuổi những khách hàng mua ít

d)

Đặt các mặt hàng hay mua cùng nhau ở gần nhau hoặc hai đầu lối đi để kích cầu

90.

Nếu Lift < 1, luật SA → BS có ý nghĩa:

a)

Không thể xác định

b)

Độc lập

c)

Ngược chiều, khách hàng mua A thường không mua B

d)

Tốt, khách hàng mua A sẽ mua B

91.

Phân cụm là quá trình:

a)

Dự đoán giá trị tương lai của một biến số

b)

Nhóm các đối tượng tương tự nhau vào cùng một cụm mà không biết trước nhãn lớp

c)

Gán nhãn cho dữ liệu dựa trên các quy tắc có sẵn

d)

Tìm mối liên hệ giữa các mặt hàng trong siêu thị

92.

Thuật toán K-means thuộc loại phân cụm nào?

a)

Phân cụm dựa trên lưới (Grid-based)

b)

Phân cụm dựa trên phân hoạch (Partitioning)

c)

Phân cụm dựa trên mật độ (Density-based)

d)

Phân cụm phân cấp (Hierarchical)

93.

Trong K-means, "k" đại diện cho:

a)

Số lần lặp lại tối đa

b)

Số lượng thuộc tính của dữ liệu

c)

Khoảng cách giữa các cụm

d)

Số lượng cụm muốn phân chia

94.

Bước đầu tiên của thuật toán K-means là:

a)

Tính khoảng cách giữa tất cả các điểm

b)

Vẽ biểu đồ phân tán

c)

Gán nhãn cho toàn bộ dữ liệu là 0

d)

Chọn ngẫu nhiên k tâm cụm (centroids) ban đầu

95.

Độ đo khoảng cách phổ biến nhất dùng trong K-means là:

a)

Khoảng cách Hamming

b)

Khoảng cách Cosine

c)

Khoảng cách Euclidean

d)

Khoảng cách Manhattan

96.

Thuật toán K-means dừng lại khi:

a)

Người dùng cảm thấy đủ

b)

Các tâm cụm không còn thay đổi vị trí đáng kể (hội tụ)

c)

Đã chạy được 10 lần lặp

d)

Toàn bộ dữ liệu được xóa bỏ

97.

Công thức khoảng cách Euclidean giữa SP_1(x_1, y_1) và SP_2(x_2, y_2) là:

a)

max⁡(∣x1−x2∣,∣y1−y2∣)\max(|x_1 - x_2|, |y_1 - y_2|)

b)

(x1+x2)/2(x_1 + x_2) / 2

c)

∣x1−x2∣+∣y1−y2∣|x_1 - x_2| + |y_1 - y_2|

d)

(x1−x2)2+(y1−y2)2\sqrt{(x_1 - x_2)^2 + (y_1 - y_2)^2}

98.

Nhược điểm của K-means là:

a)

Nhạy cảm với các điểm ngoại lệ (Outliers)

b)

Kết quả phụ thuộc vào việc chọn tâm cụm ban đầu

c)

Phải biết trước số lượng cụm k

d)

Tất cả các phương án trên

99.

Phương pháp "Elbow" (Cùi chỏ) dùng để làm gì?

a)

Chuẩn hóa dữ liệu

b)

Loại bỏ nhiễu

c)

Chọn số lượng cụm k tối ưu

d)

Tính khoảng cách nhanh hơn

100.

Trong mỗi bước lặp của K-means, tâm cụm mới được cập nhật bằng cách:

a)

Chọn điểm gần nhất nằm ngoài cụm

b)

Giữ nguyên tâm cụm cũ

c)

Lấy điểm có tọa độ lớn nhất

d)

Tính trung bình tọa độ của tất cả các điểm thuộc cụm đó

101.

Khoảng cách Manhattan còn được gọi là khoảng cách:

a)

Đường chim bay

b)

Khoảng cách nhị phân

c)

Khoảng cách góc

d)

Đường xe taxi (City block distance)

102.

Một "Cluster" tốt là cụm có:

a)

Độ tương đồng trong cụm cao và giữa các cụm (Inter-cluster) thấp

b)

Độ tương đồng trong cụm (Intra-cluster) thấp

c)

Các điểm nằm xa nhau nhất có thể

d)

Chỉ chứa 1 điểm dữ liệu

103.

Thuật toán K-means có thể áp dụng hiệu quả cho loại dữ liệu nào?

a)

Dữ liệu hình ảnh thô

b)

Dữ liệu thuộc tính số (Numerical)

c)

Dữ liệu chỉ có nhãn phân loại

d)

Dữ liệu văn bản phi cấu trúc

104.

SSE (Sum of Squared Errors) trong phân cụm dùng để:

a)

Đo lường tổng bình phương lỗi trong các cụm (dùng đánh giá chất lượng phân cụm)

b)

Đo lường độ chính xác phân lớp

c)

Tính thời gian chạy

d)

Đếm số lượng cụm

105.

Nếu k = số lượng mẫu dữ liệu (n), thì giá trị SSE sẽ bằng:

a)

Rất lớn

b)

0

c)

1

d)

n

106.

Phân cụm phân cấp (Hierarchical Clustering) tạo ra kết quả dưới dạng đồ thị gọi là:

a)

Histogram

b)

Dendrogram

c)

Scatter plot

d)

Pie chart

107.

K-means ++ là một biến thể của K-means nhằm cải thiện việc:

a)

Xử lý dữ liệu thiếu

b)

Vẽ đồ thị đẹp hơn

c)

Tăng số chiều dữ liệu

d)

Khởi tạo các tâm cụm ban đầu thông minh hơn

108.

Ứng dụng của phân cụm trong Marketing là:

a)

Gửi email rác cho tất cả mọi người

b)

Dự đoán khách hàng có rời bỏ hay không

c)

Phân đoạn khách hàng (Customer Segmentation) để có chiến dịch phù hợp

d)

Tính tổng doanh thu năm

109.

Khi dữ liệu chứa nhiều và ngoại lệ, thuật toán phân cụm nào thường được ưu tiên hơn K-means?

a)

Cây quyết định

b)

Hồi quy tuyến tính

c)

Apriori

d)

DBSCAN (Dựa trên mật độ)

110.

Trong Python, thư viện scikit-learn cung cấp K-means thông qua lớp nào?

a)

sklearn.classify.KMeans

b)

sklearn.cluster.KMeans

c)

numpy.cluster.KMeans

d)

pandas.KMeans

111.

Phân lớp dữ liệu là nhiệm vụ nhằm:

a)

Tìm luật mua sắm đồng thời

b)

Xây dựng mô hình để dự đoán nhãn lớp (rời rạc) cho các dữ liệu mới

c)

Tìm các nhóm khách hàng tự nhiên

d)

Chuẩn hóa dữ liệu về 0 và 1

112.

Trong cây quyết định (Decision Tree), nút lá (leaf node) đại diện cho:

a)

Một thuộc tính kiểm tra

b)

Một tập con của thuộc tính

c)

Nút bắt đầu của cây

d)

Nhãn lớp (Kết quả dự đoán)

113.

Thuật toán ID3 sử dụng độ đo nào để chọn thuộc tính chia nút?

a)

Gini Index

b)

Chi-square

c)

Misclassification Error

d)

Information Gain (Độ lợi thông tin)

114.

Entropy là độ đo dùng để đo lường:

a)

Độ chính xác của cây

b)

Độ sâu của cây

c)

Độ hỗn loạn (impurity) hoặc tính không đồng nhất của thông tin

d)

Số lượng nút trên cây

115.

Nếu một tập dữ liệu chỉ chứa các mẫu thuộc về 1 lớp duy nhất (thuần khiết), Entropy của nó bằng:

a)

1

b)

0

c)

0.5

d)

Vô cùng

116.

Thuật toán C4.5 cải tiến ID3 bằng cách sử dụng độ đo nào?

a)

Gini Index

b)

Confidence

c)

Support

d)

Gain Ratio (Tỷ lệ lợi thông tin)

117.

"Overfitting" (Quá khớp) trong cây quyết định xảy ra khi nào?

a)

Cây quá ngắn và đơn giản

b)

Cây quá sâu và phức tạp, học cả nhiều của dữ liệu huấn luyện

c)

Dữ liệu huấn luyện quá ít

d)

Thuật toán không tìm được nút gốc

118.

Kỹ thuật "Pruning" (Cắt tỉa cây) nhằm mục đích gì?

a)

Làm cây sâu hơn

b)

Xóa bỏ toàn bộ dữ liệu huấn luyện

c)

Tăng số lượng nút lá

d)

Giảm hiện tượng quá khớp và làm mô hình tổng quát hơn

119.

Trong cây quyết định, nút gốc (Root node) là gì?

a)

Nút không có thuộc tính nào

b)

Nút nằm ở vị trí cao nhất, bắt đầu quá trình phân lớp

c)

Nút có Entropy lớn nhất

d)

Nút nằm ở cuối cùng của cây

120.

Đâu là ưu điểm của cây quyết định?

a)

Dễ hiểu, dễ giải thích dưới dạng quy tắc IF-THEN

b)

Không cần tiền xử lý dữ liệu nhiều

c)

Có thể làm việc với cả dữ liệu số và dữ liệu định danh

d)

Tất cả các phương án trên

121.

Gini Index là độ đo thường được sử dụng trong thuật toán nào?

a)

ID3

b)

K-means

c)

CART (Classification and Regression Trees)

d)

Apriori

122.

Trong quy trình phân lớp, tập dữ liệu ban đầu thường được chia thành 2 phần là gì?

a)

Tập Cụm và Tập Lớp

b)

Tập Huấn luyện (Training set) và Tập Kiểm thử (Test set)

c)

Tập Input và Tập Output

d)

Tập Support và Tập Confidence

123.

Độ chính xác (Accuracy) của mô hình phân lớp được tính bằng công thức nào?

a)

Số mẫu đoán sai / Tổng số mẫu kiểm thử

b)

Số mẫu đoán đúng / Tổng số mẫu huấn luyện

c)

Tổng Entropy của cây

d)

Số lượng nút lá / Tổng số nút

124.

Thuật toán phân lớp dựa trên định lý Bayes được gọi là gì?

a)

Decision Tree

b)

SVM

c)

K-Nearest Neighbors

d)

Naive Bayes

125.

"J48" trong công cụ Weka thực chất là thuật toán nào?

a)

ID3

b)

CART

c)

K-means

d)

C4.5

126.

Khi xây dựng cây quyết định, nếu một nút chứa các mẫu có nhãn khác nhau nhưng không còn thuộc tính nào để chia, ta sẽ làm gì?

a)

Xóa bỏ nút đó

b)

Quay lại chọn nút gốc mới

c)

Dừng thuật toán và báo lỗi

d)

Biến nút đó thành nút lá với nhãn là lớp chiếm đa số

127.

Tại sao ID3 thường ưu tiên các thuộc tính có nhiều giá trị?

a)

Nó không ưu tiên các thuộc tính này

b)

Vì nó làm cây ngắn lại

c)

Vì nó dễ tính toán hơn

d)

Vì nó cho Information Gain cao (nhưng dễ dẫn đến Overfitting)

128.

"Random Forest" là một phương pháp phân lớp sử dụng cách nào?

a)

Một cây quyết định duy nhất cực lớn

b)

Các hàm toán học liên tục

c)

Thuật toán phân cụm

d)

Nhiều cây quyết định và kết hợp kết quả của chúng (Ensemble)

129.

Một quy tắc trích xuất từ cây quyết định có dạng nào?

a)

IF (Age < 30) AND (Student = Yes) THEN (Buy = Yes)

b)

Age + Student = Buy

c)

Buy -> Age, Student

d)

Cluster(Age, Student)

130.

Dữ liệu chuỗi thời gian là gì?

a)

Một loại dữ liệu hình ảnh

b)

Dữ liệu chỉ chứa thông tin về năm sinh

c)

Một dãy các quan sát được ghi lại theo thứ tự thời gian

d)

Một tập hợp các dữ liệu ngẫu nhiên

131.

Đặc trưng "Trend" (Xu thế) trong chuỗi thời gian thể hiện điều gì?

a)

Các sai số ngẫu nhiên

b)

Sự thay đổi dài hạn (tăng hoặc giảm) của dữ liệu theo thời gian

c)

Sự lặp lại theo chu kỳ cố định (vd: hàng tuần)

d)

Những biến động ngắn hạn, đột ngột

132.

"Seasonality" (Tính thời vụ) đề cập đến điều gì?

a)

Sự thay đổi không có quy luật

b)

Một thảm họa thiên tai làm giảm doanh thu

c)

Những biến động lặp lại định kỳ trong các khoảng thời gian ngắn (vd: hàng quý, hàng tháng)

d)

Sự tăng trưởng doanh số hàng năm

133.

Thành phần "Irregular/Noise" (Nhiễu) trong chuỗi thời gian là gì?

a)

Xu hướng tăng trưởng ổn định

b)

Chu kỳ kinh tế 10 năm

c)

Sự lặp lại theo mùa hè

d)

Những biến động không thể dự đoán được, mang tính ngẫu nhiên

134.

"Forecasting" (Dự báo) chuỗi thời gian là việc gì?

a)

Vẽ đồ thị dữ liệu cũ

b)

Sử dụng dữ liệu quá khứ để ước tính các giá trị trong tương lai

c)

Tìm luật kết hợp giữa các năm

d)

Phân loại các chuỗi vào các nhóm

135.

Phương pháp "Moving Average" (Trung bình trượt) dùng để làm gì?

a)

Tăng tính biến động của dữ liệu

b)

Chuyển dữ liệu số thành dữ liệu định danh

c)

Làm mượt chuỗi dữ liệu bằng cách giảm bớt các biến động ngắn hạn (nhiễu)

d)

Tìm nút gốc của cây

136.

Độ đo MAE (Mean Absolute Error) dùng để làm gì?

a)

Đo lường sai số trung bình tuyệt đối của mô hình dự báo

b)

Đo lường độ hỗ trợ của luật

c)

Đếm số lượng cụm

d)

Tính Entropy

137.

Một chuỗi thời gian "Dừng" (Stationary) là chuỗi có đặc điểm gì?

a)

Nhiều nhiễu

b)

Giá trị luôn giảm dần

c)

Giá trị luôn tăng dần

d)

Các đặc trưng thống kê (mean, variance) không đổi theo thời gian

138.

Thành phần "Cycle" (Chu kỳ) khác "Seasonality" ở điểm nào?

a)

Chu kỳ diễn ra trong thời gian ngắn hơn

b)

Seasonality chỉ có ở dữ liệu thời tiết

c)

Chu kỳ không có trong chuỗi thời gian

d)

Chu kỳ diễn ra trong thời gian dài hơn và không có độ dài cố định (vd: chu kỳ kinh tế)

139.

Trong Pandas, để chuyển một cột sang kiểu dữ liệu datetime, ta dùng hàm nào?

a)

pd.convert_time()

b)

pd.to_datetime()

c)

df.as_date()

d)

pd.time_set()

140.

Bài toán dự báo doanh thu của một cửa hàng dựa trên doanh thu các tháng trước là loại bài toán nào?

a)

Dự báo đa biến (Multivariate)

b)

Dự báo đơn biến (Univariate)

c)

Phân loại dữ liệu

d)

Phân cụm dữ liệu

141.

Tại sao nhiễu (Noise) cần được loại bỏ trong phân tích chuỗi thời gian?

a)

Không cần loại bỏ nhiễu

b)

Vì nhiễu chiếm quá nhiều bộ nhớ

c)

Vì nó làm đồ thị đẹp hơn

d)

Để mô hình tập trung vào các quy luật thực sự (Trend, Seasonality) thay vì các biến động ngẫu nhiên

142.

Chỉ số RMSE (Root Mean Square Error) có đặc điểm gì?

a)

Chỉ dùng cho phân cụm

b)

Luôn nhỏ hơn MAE

c)

Không phụ thuộc vào đơn vị dữ liệu

d)

Phạt nặng hơn các sai số lớn

143.

Việc phân tích chuỗi thời gian nhằm mục đích gì?

a)

Hiểu bản chất của các quy luật trong quá khứ

b)

Dự báo các giá trị tương lai

c)

Hỗ trợ ra quyết định

d)

Tất cả các phương án trên

144.

Ví dụ về dữ liệu chuỗi thời gian là gì?

a)

Màu sắc của các loại xe hơi

b)

Chỉ số chứng khoán hàng giờ của mã VNM

c)

Tọa độ các thành phố trên bản đồ

d)

Danh sách sinh viên năm 2024

145.

Trong mô hình dự báo, dữ liệu thường được chia thành những phần nào?

a)

Tập Support và Tập Confidence

b)

Tập In-sample (huấn luyện) và Tập Out-of-sample (kiểm tra dự báo)

c)

Tập Y và Tập X

d)

Không cần chia dữ liệu

146.

Mô hình ARIMA là viết tắt của cụm từ nào?

a)

All Relevant Information Moving Average

b)

Automatic Regression In Multiple Areas

c)

Association Rules In Mining Application

d)

Auto-Regressive Integrated Moving Average

147.

Để lấy giá trị dữ liệu tại một mốc thời gian cụ thể trong Pandas Series có Index là thời gian, ta dùng:

a)

ts.at_time('2023-12-01')

b)

ts.get_date('2023-12-01')

c)

ts.find('2023-12-01')

d)

ts.loc['2023-12-01']

148.

Dự báo thời tiết là một ứng dụng của:

a)

Khai phá luật kết hợp

b)

Phân tích chuỗi thời gian

c)

Phân cụm khách hàng

d)

Chuẩn hóa dữ liệu

149.

WEKA là công cụ khai phá dữ liệu được phát triển bởi:

a)

Microsoft

b)

IBM

c)

Google

d)

Đại học Waikato (New Zealand)

150.

Định dạng tệp tin dữ liệu mặc định của WEKA là:

a)

.xlsx

b)

.txt

c)

.arff (Attribute-Relation File Format)

d)

.csv

Similar Resources on Wayground

Câu hỏi trắc nghiệm YK: Cấu trúc hóa học cơ bản

153 questions

Câu hỏi trắc nghiệm YK: Cấu trúc hóa học cơ bản

quiz

Worksheet

•

University

Verilog & ASIC MCQs — Worksheet Extraction

150 questions

Verilog & ASIC MCQs — Worksheet Extraction

quiz

Worksheet

•

University

Trí tuệ nhân tạo — Bài tập trắc nghiệm (lớp 13)

150 questions

Trí tuệ nhân tạo — Bài tập trắc nghiệm (lớp 13)

quiz

Worksheet

•

University

Bài 1: Phân tích dữ liệu kinh doanh

150 questions

Bài 1: Phân tích dữ liệu kinh doanh

quiz

Worksheet

•

University

Untitled Quiz

150 questions

Untitled Quiz

quiz

Worksheet

•

University

Tin học 2

150 questions

Tin học 2

quiz

Worksheet

•

University

Học phần 1: Cơ bản về CNTT (Phần 1)

150 questions

Học phần 1: Cơ bản về CNTT (Phần 1)

quiz

Worksheet

•

University

Hiểu biết về CNTT cơ bản

150 questions

Hiểu biết về CNTT cơ bản

quiz

Worksheet

•

University