Trong học máy, "bias-variance tradeoff" ám chỉ điều gì?

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

B. Kích thước của các tầng ẩn trong mạng neural

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

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

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

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

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

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

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

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

C. Sự giảm chiều dữ liệu để tăng tốc độ huấn luyện

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

A. Một loại mô hình học sâu.

B. Một loại mô hình học có giám sát.

C. Một thuật toán phân loại.

D. Một phương pháp học không giám sát.

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

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

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

D. Tất cả các phương án trên

A. Một loại mô hình học sâu.

B. Một loại mô hình học có giám sát.

C. Một thuật toán phân loại.

D. Một phương pháp học không giám sát.

A. Một kỹ thuật tối ưu hóa gradient descent

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

C. Một phương pháp tối ưu hóa dựa trên hàm mất mát

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