Trong học máy, thuật toán nào được sử dụng để tìm cực trị của hàm mất mát?

A. Mức độ quan trọng của mỗi đặc trưng trong việc xác định kết quả dự đoán của mô hình.

B. Tốc độ mà mô hình học từ dữ liệu huấn luyện, tỉ lệ cập nhật các tham số của mạng neural.

C. Số lượng lớn nhất của mẫu dữ liệu được sử dụng trong một epoch.

D. Số lượng mẫu dữ liệu được sử dụng để đánh giá hiệu suất của mô hình trong quá trình huấn luyện.

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

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

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

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

A. Một phương pháp để tối ưu hóa các tham số của mô hình.

B. Một hàm mất mát thường được sử dụng trong bài toán phân loại, đo lường sự khác biệt giữa dự đoán và giá trị thực tế.

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

D. Một hàm mất mát thường được sử dụng trong bài toán hồi quy, tính toán bình phương của sự chênh lệch giữa dự đoán và giá trị thực tế.

A. Học có giám sát

B. Học không giám sát

C. Học tăng cường

D. Học bán giám sát

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

B. Số lượng lớp trong một mô hình neural network.

C. Số lượng neurons trong một lớp của mạng neural.

D. Số lượng epochs được sử dụng trong quá trình huấn luyện.

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

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

C. Số lượng đặc trưng của mỗi mẫu dữ liệu.

D. Tổng số lần lặp trong quá trình huấn luyện mô hình.

A. Một tập dữ liệu được sử dụng để đánh giá hiệu suất của mô hình trong quá trình huấn luyện.

B. Một phương pháp tối ưu hóa cho mô hình học sâu.

C. Một tập dữ liệu được sử dụng để kiểm tra hiệu suất cuối cùng của mô hình sau khi huấn luyện.

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