Trong học máy, ‘feature selection’ (lựa chọn đặc trưng) khác với ‘dimensionality reduction’ (giảm chiều dữ liệu) ở điểm nào?
Feature selection tạo ra đặc trưng mới, còn dimensionality reduction loại bỏ đặc trưng
Feature selection chọn ra một tập con các đặc trưng gốc, còn dimensionality reduction tạo ra các đặc trưng mới là tổ hợp tuyến tính của các đặc trưng gốc
Feature selection chỉ áp dụng cho học có giám sát, còn dimensionality reduction cho học không giám sát
Không có sự khác biệt đáng kể giữa hai khái niệm này
Câu hỏi trong đề: 300+ câu Trắc nghiệm Học máy cơ bản có đáp án !!
Quảng cáo
Trả lời:
Giải bởi Vietjack
Chọn đáp án B
Hot: 1000+ Đề thi cuối kì 2 file word cấu trúc mới 2026 Toán, Văn, Anh... lớp 1-12 (chỉ từ 60k). Tải ngay
CÂU HỎI HOT CÙNG CHỦ ĐỀ
Câu 1
Giá trị trung bình của các điểm dữ liệu gần nhất
Nhãn của đa số các điểm dữ liệu lân cận gần nhất
Khoảng cách từ điểm dữ liệu đến tâm của các cụm
Độ dốc của hàm mất mát tại điểm đó
Lời giải
Chọn đáp án B
Câu 2
Tăng cường tốc độ xử lý dữ liệu
Giảm thiểu số lượng đặc trưng cần thiết
Ước lượng hiệu suất của mô hình một cách đáng tin cậy hơn trên dữ liệu mới
Xử lý các giá trị bị thiếu trong dữ liệu
Lời giải
Chọn đáp án C
Câu 3
Mô hình phân cụm
Mô hình hồi quy tuyến tính được áp dụng với hàm sigmoid để phân loại
Mô hình cây quyết định
Mô hình mạng nơ-ron đơn giản
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
Hồi quy tuyến tính (Linear Regression)
Hồi quy Logistic (Logistic Regression) với chiến lược One-vs-Rest hoặc Softmax
Hồi quy tuyến tính với bình phương sai số (Linear Regression with squared error)
Phân tích thành phần chính (Principal Component Analysis – PCA)
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
Chọn thuật toán học máy phù hợp
Tạo ra các đặc trưng mới từ dữ liệu thô để cải thiện hiệu suất mô hình
Huấn luyện mô hình trên tập dữ liệu lớn
Đánh giá mô hình bằng các độ đo hiệu suất
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
K-Means Clustering
Gradient Boosting
Support Vector Machine (SVM)
Naive Bayes
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 7
Nó đảm bảo mô hình luôn hội tụ nhanh chóng
Khởi tạo sai có thể dẫn đến vấn đề ‘vanishing gradient’ hoặc ‘exploding gradient’
Nó loại bỏ nhu cầu về ‘regularization’
Nó tự động chọn kiến trúc mạng nơ-ron phù hợp
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.
Nhắn tin Zalo
Hỏi bài tập