100+ câu trắc nghiệm Học máy có đáp án - Phần 2

Tối ưu hóa các tham số của mạng neural

Tăng độ phức tạp của mạng neural

Giảm overfitting trong mạng neural

Biến đổi đầu vào thành đầu ra cho mạng neural

Sự đánh đổi giữa độ phức tạp của mô hình và khả năng tổng quát hóa

Sự đánh đổi giữa độ chính xác và tốc độ của mô hình

Sự đánh đổi giữa việc học từ dữ liệu được gán nhãn và không được gán nhãn

Sự đánh đổi giữa việc sử dụng các thuật toán khác nhau

Việc chọn lọc các đặc trưng quan trọng từ dữ liệu ban đầu

Việc xử lý và làm sạch dữ liệu trước khi đưa vào mô hình

Tạo ra các mô hình dự đoán từ dữ liệu

Đánh giá hiệu suất của mô hình trên dữ liệu kiểm tra

Một phương pháp tối ưu hóa gradient descent

Một phương pháp tối ưu hóa huấn luyện mô hình dựa trên mẫu ngẫu nhiên

Một phương pháp tối ưu hóa dựa trên hàm mất mát

Một phương pháp tối ưu hóa dựa trên quá trình lan truyền ngược

Quá trình tinh chỉnh các siêu tham số của mô hình để cải thiện hiệu suất

Quá trình xây dựng các đặc trưng mới từ dữ liệu ban đầu

Quá trình giảm kích thước của mô hình

Quá trình chia tập dữ liệu thành các phần riêng biệt để đánh giá mô hình

Regression

Classification

Clustering

Tất cả các phương án trên

Tạo ra các đặc trưng mới từ dữ liệu ban đầu

Chọn lọc các đặc trưng quan trọng từ dữ liệu ban đầu

Chuẩn hóa dữ liệu đầu vào để đảm bảo mô hình hoạt động hiệu quả

Đánh giá hiệu suất của mô hình trên tập dữ liệu kiểm tra

Regression

Classification

Clustering

Tất cả các phương án trên

Sự chuyển đổi của dữ liệu thành một không gian chiều cao hơn để giải quyết vấn đề phân loại phi tuyến

Sự chọn lọc các đặc trưng quan trọng từ dữ liệu ban đầu

Sự giảm chiều dữ liệu để tăng tốc độ huấn luyện

Sự tăng kích thước của mô hình để cải thiện hiệu suất

Đánh giá hiệu suất của mô hình trên tập dữ liệu huấn luyện

Đánh giá hiệu suất của mô hình trên tập dữ liệu kiểm tra

Đo lường sai số giữa dự đoán và giá trị thực tế

Tất cả các phương án trên

Quá trình phát hiện và loại bỏ dữ liệu bất thường khỏi tập huấn luyện

Quá trình tạo ra dữ liệu mới từ dữ liệu hiện có

Quá trình chuyển đổi dữ liệu để tăng độ chính xác của mô hình

Quá trình đánh giá hiệu suất của mô hình trên tập dữ liệu kiểm tra

Overfitting

Underfitting

Gradient vanishing/exploding

Biến dạng dữ liệu

Số lượng mẫu dữ liệu được sử dụng để cập nhật các trọng số trong mỗi lần lan truyền ngược

Kích thước của các tầng ẩn trong mạng neural

Số lượng các mẫu dữ liệu được sử dụng trong quá trình huấn luyện mạng neural

Số lượng epoch cần thiết để đạt được hiệu suất mong muốn

Giảm số chiều của dữ liệu để giảm độ phức tạp của mô hình

Tăng số chiều của dữ liệu để cải thiện hiệu suất của mô hình

Chọn lọc các đặc trưng quan trọng từ dữ liệu ban đầu

Tạo ra các đặc trưng mới từ dữ liệu ban đầu

Một kỹ thuật tối ưu hóa gradient descent

Một phương pháp học có giám sát kết hợp nhiều mô hình yếu để tạo ra một mô hình mạnh

Một phương pháp tối ưu hóa dựa trên hàm mất mát

Một kỹ thuật tạo ra các đặc trưng mới từ dữ liệu ban đầu

Phân loại hình ảnh

Phân cụm dữ liệu không gán nhãn vào các nhóm dựa trên đặc trưng tương tự

Dự đoán chuỗi thời gian

Phân tích ngôn ngữ tự nhiên

Rectified Linear Unit

Randomized Learning Unit

Recursive Linear Unit

Regularized Learning Unit

Precision và recall

Bias và variance

Feature và label

Epoch và batch size

Long Short-Term Memory

Linear Sequential Memory

Learning Stateful Memory

Layered Short-Term Memory

Giảm số chiều của dữ liệu bằng cách chuyển đổi các biến ban đầu thành các biến mới không tương quan

Phân loại hình ảnh

Dự đoán chuỗi thời gian

Phân tích ngôn ngữ tự nhiên

Biểu diễn từ dưới dạng các vector số thực

Phân loại hình ảnh

Dự đoán chuỗi thời gian

Phân tích ngôn ngữ tự nhiên

K-means clustering

Supervised learning

Unsupervised learning

Ensemble learning

Biến đổi đầu ra của mạng neural thành xác suất

Tăng độ phức tạp của mạng neural

Giảm overfitting trong mạng neural

Biến đổi đầu vào thành đầu ra cho mạng neural

Chia tập dữ liệu thành tập huấn luyện và tập kiểm tra

Đánh giá hiệu suất của mô hình trên tập dữ liệu kiểm tra

Đánh giá hiệu suất của mô hình và tối ưu hóa siêu tham số

Đánh giá độ chính xác của mô hình trên tập dữ liệu huấn luyện

Quá trình chọn lọc các đặc trưng quan trọng từ dữ liệu ban đầu.

Quá trình tạo ra các mô hình phức tạp hơn để đối phó với dữ liệu phức tạp.

Quá trình biến đổi dữ liệu đầu vào thành dạng phù hợp để huấn luyện mô hình.

Quá trình trích xuất thông tin quan trọng từ dữ liệu và biến đổi chúng thành các đặc trưng mới.

Một loại mô hình học sâu.

Một loại mô hình học có giám sát.

Một thuật toán phân loại.

Một phương pháp học không giám sát.

Một loại mô hình học sâu.

Một loại mô hình học có giám sát.

Một thuật toán phân loại.

Một phương pháp học không giám sát.

Một loại mô hình học sâu.

Một loại mô hình học có giám sát.

Một thuật toán phân loại.

Một phương pháp học không giám sát.

Một loại mô hình học sâu.

Một loại mô hình học có giám sát.

Một thuật toán phân loại.

Một phương pháp học không giám sát.