WorksheetsBài tập về giảm chiều và học manifold
Total questions: 26
Worksheet time: 13mins
LLE thuộc nhóm kỹ thuật nào?
Linear reduction
Manifold learning
Feature selection
Clustering
LLE bảo toàn điều gì?
Khoảng cách toàn cục
Phương sai
Quan hệ lân cận cục bộ
Cụm dữ liệu
Thuật toán nào KHÔNG nên dùng làm đầu vào cho mô hình học máy khác?
PCA
LLE
t-SNE
Isomap
t-SNE nổi bật nhất ở điểm nào?
Tốc độ
Trực quan hóa cụm
Giữ khoảng cách toàn cục
Tính tuyến tính
t-SNE sử dụng phân phối nào?
Gaussian
Uniform
Bernoulli
t-distribution
MDS cố gắng bảo toàn điều gì?
Phương sai
Khoảng cách giữa các điểm
Lân cận cục bộ
Cụm
Isomap khác MDS ở điểm nào?
Dùng PCA
Dùng khoảng cách trắc địa
Không dùng đồ thị
Tuyến tính
Geodesic distance là gì?
Khoảng cách Euclid
Khoảng cách đường chim bay
Khoảng cách trên manifold
Khoảng cách ngẫu nhiên
Thuật toán nào giữ cấu trúc toàn cục tốt hơn LLE?
PCA
t-SNE
MDS
Isomap
LLE yêu cầu thông tin nào quan trọng nhất?
Nhãn dữ liệu
Số chiều ban đầu
k-nearest neighbors
PCA components
Thuật toán nào nhạy với tham số perplexity?
LLE
PCA
t-SNE
MDS
Khi dữ liệu có manifold phi tuyến phức tạp, nên tránh?
Isomap
LLE
PCA
t-SNE
Thuật toán nào KHÔNG bảo toàn cấu trúc toàn cục?
Isomap
MDS
LLE
PCA
t-SNE chủ yếu dùng cho?
Feature engineering
Huấn luyện model
Trực quan hóa
Chuẩn hóa dữ liệu
Thuật toán nào dùng đồ thị hàng xóm?
PCA
LLE
Isomap
Cả B và C
Điểm yếu của LLE là?
Quá tuyến tính
Không giữ cụm
Nhạy với nhiễu
Chậm
MDS phù hợp nhất khi?
Dữ liệu lớn
Dữ liệu phi tuyến phức tạp
Quan tâm khoảng cách
Có nhãn
Thuật toán nào giữ cluster rõ nhất khi vẽ 2D?
PCA
MDS
Isomap
t-SNE
Isomap mở rộng từ thuật toán nào?
PCA
LDA
MDS
LLE
Phát biểu ĐÚNG là:
t-SNE dùng cho pipeline ML
LLE là linear
Isomap dùng geodesic distance
MDS bảo toàn lân cận
Trong LLE, nếu dữ liệu có mật độ phân bố không đồng đều, hiện tượng nào dễ xảy ra nhất?
Các cụm bị trộn lẫn
Mất cấu trúc toàn cục
Ma trận trọng số suy biến
Khoảng cách Euclid bị thay đổi
Vì sao t-SNE không phù hợp để làm đầu vào cho mô hình học máy khác?
Do độ phức tạp cao
Do không bảo toàn khoảng cách toàn cục
Do giảm chiều quá mạnh
Do không dùng được với dữ liệu lớn
Tham số perplexity trong t-SNE về bản chất thể hiện điều gì?
Số chiều đầu ra
Số cụm dữ liệu
Số hàng xóm hiệu quả
Tốc độ hội tụ
Nếu dữ liệu nằm trên manifold cuộn (Swiss roll) và cần bảo toàn cấu trúc toàn cục, thuật toán nào phù hợp nhất?
PCA
LLE
t-SNE
Isomap
So với LLE, ưu điểm quan trọng nhất của Isomap là gì?
Ít tham số hơn
Bảo toàn lân cận tốt hơn
Bảo toàn cấu trúc toàn cục
Ít nhạy với nhiễu
Trong MDS cổ điển (Classical MDS), bước toán học cốt lõi là gì?
Gradient Descent
Eigenvalue Decomposition
Singular Value Decomposition
K-means clustering
