Khái niệm 'Overfitting' (quá khớp) trong NLP (và machine learning nói chung) đề cập đến tình trạng:
Mô hình học quá tốt trên dữ liệu huấn luyện nhưng kém hiệu quả trên dữ liệu mới (dữ liệu kiểm tra).
Mô hình không học được gì từ dữ liệu huấn luyện.
Mô hình xử lý dữ liệu quá chậm.
Mô hình yêu cầu quá nhiều bộ nhớ để hoạt động.
Quảng cáo
Trả lời:
Giải bởi Vietjack
Chọn đáp án A
Đăng nhập để xem lời giải
Lưu tiến độ và luyện tập hiệu quả hơn. Hoàn toàn miễn phí!
Đang tải chế độ Học...
Hot: 1000+ đề thi giữa kì 1 lớp 1-12 đầy đủ các môn (Update 2026) (chỉ từ 60k). Tải ngay
Đăng ký VIP để học và luyện thi không giới hạn
Trọn bộ quyền lợi trên Vietjack, trong một tài khoản.
- Phòng luyện thi cấp tốc: ĐGNL - ĐGTD, Tốt nghiệp THPT, Ôn vào 10, Ôn vào 6, Ôn Giữa kì/Cuối kì
- Hơn 200K đề thi thử, đề minh hoạ, chính thức các năm
- Với 3tr+ câu hỏi theo các mức độ Nhận biết, Thông hiểu, Vận dụng
- Tải xuống đề thi [DOCX] với đầy đủ đáp án
- Xem hàng ngàn bài giảng đính kèm củng cố thêm kiến thức
- Bao gồm tất cả các bậc từ Tiểu học đến Đại học
- Chặn hiển thị quảng cáo tăng khả năng tập trung ôn luyện
- Đăng ký ngay
CÂU HỎI HOT CÙNG CHỦ ĐỀ
Câu 1
Khả năng mô hình xử lý ngôn ngữ tự nhiên một cách nhanh chóng.
Khả năng hiểu được cách mô hình NLP đưa ra quyết định hoặc dự đoán, giúp tin tưởng và cải thiện mô hình.
Khả năng mô hình dịch văn bản sang nhiều ngôn ngữ khác nhau.
Khả năng mô hình tự động sửa lỗi chính tả trong văn bản.
Đăng nhập để xem lời giải
Lưu tiến độ và luyện tập hiệu quả hơn. Hoàn toàn miễn phí!
Lời giải
Chọn đáp án B
Câu 2
Tỷ lệ các trường hợp thực tế là tích cực mà mô hình dự đoán đúng là tích cực.
Tỷ lệ các trường hợp mô hình dự đoán là tích cực mà thực sự là tích cực.
Tỷ lệ tổng số trường hợp dự đoán đúng trên tổng số trường hợp.
Mức độ bao phủ của mô hình trên dữ liệu kiểm tra.
Đăng nhập để xem lời giải
Lưu tiến độ và luyện tập hiệu quả hơn. Hoàn toàn miễn phí!
Lời giải
Chọn đáp án B
Câu 3
Huấn luyện lại toàn bộ mô hình từ đầu trên dữ liệu của tác vụ cụ thể.
Tiếp tục huấn luyện mô hình pre-trained trên một tập dữ liệu nhỏ hơn, đặc trưng cho tác vụ cụ thể, để mô hình thích nghi tốt hơn với tác vụ đó.
Giảm kích thước mô hình pre-trained để tăng tốc độ suy luận.
Thay đổi kiến trúc mạng nơ-ron của mô hình pre-trained.
Đăng nhập để xem lời giải
Lưu tiến độ và luyện tập hiệu quả hơn. Hoàn toàn miễn phí!
Lời giải
Bạn cần đăng ký gói VIP ( giá chỉ từ 250K ) để làm bài, xem đáp án và lời giải chi tiết không giới hạn.
Câu 4
Khả năng xử lý song song nhanh chóng.
Khả năng ghi nhớ thông tin từ các bước thời gian trước đó, phù hợp với tính tuần tự của ngôn ngữ.
Cấu trúc đơn giản và dễ huấn luyện.
Hiệu quả trong việc xử lý dữ liệu phi cấu trúc.
Đăng nhập để xem lời giải
Lưu tiến độ và luyện tập hiệu quả hơn. Hoàn toàn miễn phí!
Lời giải
Bạn cần đăng ký gói VIP ( giá chỉ từ 250K ) để làm bài, xem đáp án và lời giải chi tiết không giới hạn.
Câu 5
Học từ dữ liệu không có nhãn.
Thực hiện tốt các tác vụ mà nó chưa từng được huấn luyện trực tiếp, bằng cách khái quát hóa từ các tác vụ liên quan.
Huấn luyện mô hình với lượng dữ liệu rất nhỏ.
Tự động sửa lỗi chính tả trong văn bản đầu vào.
Đăng nhập để xem lời giải
Lưu tiến độ và luyện tập hiệu quả hơn. Hoàn toàn miễn phí!
Lời giải
Bạn cần đăng ký gói VIP ( giá chỉ từ 250K ) để làm bài, xem đáp án và lời giải chi tiết không giới hạn.
Câu 6
Contextual word embeddings có kích thước vector nhỏ hơn.
Contextual word embeddings tạo ra biểu diễn vector khác nhau cho cùng một từ tùy thuộc vào ngữ cảnh sử dụng của nó trong câu, trong khi word embeddings tĩnh luôn cho ra một vector duy nhất cho mỗi từ.
Word embeddings tĩnh có thể nắm bắt ngữ cảnh tốt hơn.
Contextual word embeddings dễ huấn luyện hơn.
Đăng nhập để xem lời giải
Lưu tiến độ và luyện tập hiệu quả hơn. Hoàn toàn miễn phí!
Lời giải
Bạn cần đăng ký gói VIP ( giá chỉ từ 250K ) để làm bài, xem đáp án và lời giải chi tiết không giới hạn.
Đăng ký để học cùng Vietjack. Hoàn toàn miễn phí!
Bằng việc đăng ký, bạn đồng ý với Điều khoản sử dụng và Chính sách bảo mật của Vietjack.
Nhắn tin Zalo
Hỏi bài tập