300+ câu Trắc nghiệm Học máy cơ bản có đáp án - Phần 9

Tỉ lệ số lần mô hình dự đoán đúng trên tổng số mẫu dữ liệu

Số lượng dữ liệu được sử dụng để huấn luyện mô hình

Số lượng đặc trưng của mỗi mẫu dữ liệu

Tổng số lần lặp trong quá trình huấn luyện mô hình

Một kỹ thuật chia tập dữ liệu thành các tập con để đánh giá hiệu suất của mô hình

Một phương pháp để chọn lọc các đặc trưng quan trọng từ dữ liệu

Một phương pháp để xử lý dữ liệu bị thiếu

Một phương pháp để giảm kích thước của dữ liệu đầu vào

Sự chệch của mô hình so với dữ liệu thực tế

Một thành phần của mô hình thể hiện độ phức tạp của nó

Sự phù hợp của mô hình với dữ liệu huấn luyện

Sự không ổn định của mô hình khi áp dụng cho dữ liệu mới

Một kỹ thuật tìm kiếm siêu tham số tốt nhất cho mô hình bằng cách thử tất cả các giá trị trong một lưới

Một phương pháp để giảm kích thước của dữ liệu đầu vào

Một phương pháp để tạo ra các mẫu dữ liệu mới từ dữ liệu ban đầu

Một phương pháp tối ưu hóa cho mô hình học sâu

Một kỹ thuật sử dụng để giảm kích thước của dữ liệu đầu vào

Một phương pháp tạo ra các mẫu dữ liệu mới từ dữ liệu ban đầu

Một kỹ thuật chính regularize trong mạng neural network bằng cách ngẫu nhiên loại bỏ một số đơn vị trong quá trình huấn luyện

Một phương pháp để chuyển đổi dữ liệu đầu vào thành dạng phù hợp cho mạng neural

Một kỹ thuật để chuyển đổi dữ liệu đầu vào thành dạng phù hợp cho mạng neural

Một phương pháp tối ưu hóa cho mô hình học sâu

Một thuật toán được sử dụng để lan truyền ngược thông tin gradient qua mạng neural network để cập nhật các trọng số

Một phương pháp tạo ra các mẫu dữ liệu mới từ dữ liệu ban đầu

Học có giám sát

Học không giám sát

Học tăng cường

Học bán giám sát

Activation layer

Dropout layer

Pooling layer

Dense layer

Sigmoid

Tanh

ReLU

Leaky ReLU

Sử dụng kích thước batch lớn

Sử dụng learning rate nhỏ

Thêm dữ liệu huấn luyện

Tăng số lượng epoch

Khả năng hiểu được thông tin ngắn hạn

Khả năng ghi nhớ thông tin dài hạn

Khả năng xử lý chuỗi với độ dài biến đổi

Khả năng giảm thiểu hiện tượng overfitting

Sigmoid

Tanh

ReLU (Rectified Linear Unit)

Softmax

Fully Connected Layer

Pooling Layer

Convolutional Layer

Dropout Layer

"x = x / x.mean(axis=1) x = x / x.std(axis=1)"

"x = x / x.mean(axis=0) x = x / x.std(axis=0)"

"x = x – x.mean(axis=0) x = x / x.std(axis=0)"

"x = x – x.mean(axis=1) x = x / x.std(axis=0)"

file

name

dict

list

[(4, 4)]

[(2, 2)]

[(4, 4), (2, 2)]

Error

dict_items([(1, 'blue'), (2, 'red'), (3, 'green')])

dict_items([('blue'), ('red'), ('green')])

[(1, 'blue'), (2, 'red'), (3, 'green')]

[('blue'), ('red'), ('green')]

Random Forest không bị overfitting

Random Forest bị overfitting

Random Forest xử lý nhanh

Random Forest chỉ có thể áp dụng cho bài toán hồi quy

Không tìm được tập đặc trưng con tối ưu

Luôn tìm được tập đặc trưng con tối ưu

Chỉ tìm được tập đặc trưng con cận tối ưu

Chỉ tìm được tập đặc trưng con tốt hơn tập đặc trưng gốc

Dữ liệu mất cân bằng

Nhiễu trong dữ liệu

Dữ liệu có độ biến đổi cao

Cả 3 vấn đề trên

Convolutional layers, Pooling layers

Convolutional layers, Batch Normalization, Dense (Fully connected) layers

Convolutional layers, Pooling layers, Dense (Fully connected) layers

Convolutional layers, Dense (Fully connected) layers

Sigmoid và binary_crossentropy

Sigmoid và mse

Sigmoid và categorical_crossentropy

None và mse

Số nút của 1 lớp ẩn

Tốc độ học

Số epoch

Tất cả đều được gọi là Hyperparameter

Recurrent neural networks

Convolutional neural networks

ResNet

GoogleNet