300+ câu Trắc nghiệm Học máy cơ bản có đáp án - Phần 12

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

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

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

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

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

Một kỹ thuật tối ưu hóa cho mô hình học sâu

Một hệ số giúp điều chỉnh tốc độ học của mô hình trong quá trình lan truyền ngược

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

Principal Component Analysis (PCA)

K-Means Clustering

Support Vector Machine (SVM)

Decision Trees

Gradient Descent

K-Means Clustering

Decision Trees

K-Nearest Neighbors

(-1, 1)

(0, 1)

(-∞, +∞)

D

Elbow method

Gradient Descent

Confusion Matrix

Silhouette Analysis

Bằng cách giải phương trình đạo hàm của hàm mất mát

Bằng cách chia tổng của đầu ra cho tổng của đầu vào

Bằng cách tối ưu hàm mất mát bằng Gradient Descent

Bằng cách tính đạo hàm riêng của từng biến đầu vào

R² Score

Mean Absolute Error (MAE)

Confusion Matrix

Root Mean Squared Error (RMSE)

Phân loại

Hồi quy

Gom cụm

Phân tích dữ liệu thô

Principal Component Analysis (PCA)

Linear Discriminant Analysis (LDA)

Support Vector Machine (SVM)

Naive Bayes Classifier

Mô hình phản ứng quá mức với dữ liệu huấn luyện

Mô hình không đủ phức tạp để hiểu dữ liệu

Mô hình không thể học từ dữ liệu

Mô hình không thể tổng quát hóa từ dữ liệu

Tầng input

Tầng hidden

Tầng output

Tầng convolutional

Tăng số lượng epoch

Sử dụng learning rate lớn

Thêm dữ liệu huấn luyện

Giảm số lượng epoch

Accuracy, Precision, Recall

Mean Squared Error, Root Mean Squared Error

Mean Absolute Error, R-squared

F1-score, ROC-AUC

TensorFlow

Scikit-learn

Pandas

Matplotlib

Random Forest

Gradient Descent

K-means Clustering

Naive Bayes

Số lượng cụm cần phải xác định trước

Số lượng cụm được xác định dựa trên dữ liệu đầu vào

Không cần quan tâm đến số lượng cụm

Số lượng cụm được xác định bởi các tham số ngẫu nhiên

comp()

eq()

equal()

ne()

Sử dụng hàm static()

Sử dụng chỉ dẫn @staticmethod

Sử dụng chỉ dẫn @classmethod

Python không có phương thức tĩnh

numpy.nan_median()

numpy.median()

numpy.mediannan()

numpy.nanmedian()