300+ câu Trắc nghiệm Học máy cơ bản có đáp án - Phần 8

Kỹ thuật giảm overfitting bằng cách loại bỏ ngẫu nhiên một số lượng các neuron trong mạng neural trong quá trình huấn luyện

Kỹ thuật giảm kích thước của mạng neural

Kỹ thuật tăng khả năng học từ dữ liệu mới

Kỹ thuật tăng kích thước mạng neural

Dữ liệu không được gán nhãn

Dữ liệu được gán nhãn

Đặc điểm hoặc thuộc tính của dữ liệu

Dữ liệu đã được xử lý

Kỹ thuật tăng kích thước mô hình

Kỹ thuật giảm kích thước mô hình

Kỹ thuật kết hợp nhiều mô hình dự đoán để cải thiện hiệu suất

Kỹ thuật chia tập dữ liệu huấn luyện và kiểm tra

Phân loại hình ảnh

Phân tích ngôn ngữ tự nhiên

Dự đoán chuỗi thời gian

Tất cả các phương án trên

Tỷ lệ giữa số lần dự đoán đúng và tổng số lần dự đoán

Tỷ lệ giữa số lần dự đoán đúng positive và tổng số positive dự đoán

Tỷ lệ giữa số lần dự đoán đúng negative và tổng số negative dự đoán

Số lần dự đoán đúng trên tổng số lần dự đoán

Một loại thuật toán tối ưu hóa

Một phương pháp tính toán biểu diễn các tầng xử lý thông tin

Một loại hàm kích hoạt

Một phương pháp gom nhóm dữ liệu

Mô hình quá đơn giản và không thể đặc trưng hóa đủ dữ liệu

Mô hình phù hợp tốt với dữ liệu huấn luyện nhưng không tổng quát hóa được cho dữ liệu mới

Mô hình không học được từ dữ liệu

Mô hình phù hợp với dữ liệu huấn luyện và tổng quát hóa tốt cho dữ liệu mới

Overfitting

Underfitting

Gradient vanishing/exploding

Biến dạng dữ liệu

Việc kết hợp nhiều mô hình dự đoán để cải thiện hiệu suất

Sử dụng nhiều tập dữ liệu khác nhau

Tạo ra các mô hình phức tạp

Chọn lựa siêu tham số tốt nhất cho mô hình

Học có giám sát

Học không giám sát

Học củng cố

Học bán giám sát

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

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

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

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

Long Short-Term Memory

Linear Sequential Memory

Learning Stateful Memory

Layered Short-Term Memory

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

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

Số lượng mẫu dữ liệu được sử dụng để cập nhật các tham số của mô hình trong mỗi lần lặp

Số lượng lớp trong một mô hình neural network

Số lượng neurons trong một lớp của mạng neural

Số lượng epochs được sử dụng trong quá trình huấn luyện