20 CÂU HỎI
Lựa chọn nào sau đây không phải là một bước trong quy trình khai thác dữ liệu?
A. Data Understanding
B. Data Preparation
C. Data Mining
D. Evaluation
Thuộc tính “Loại khách hàng” có hai giá trị: “VIP”, “Premium” và “Economic” là thuộc tính thuộc kiểu dữ liệu nào sau đây?
A. Liên tục
B. Rời rạc
C. Xếp hạng/thứ tự
D. Định danh
Tiền xử lý dữ liệu không bao gồm các bước nào sau đây?
A. Làm sạch dữ liệu
B. Chuyển đổi dữ liệu
C. Thu thập dữ liệu
D. Rút gọn dữ liệu
Có mấy cách dùng để xử lý khi dữ liệu bị thiếu?
A. 2
B. 3
C. 4
D. 5
Khi nào thì ta cần rời rạc hóa dữ liệu?
A. Dữ liệu bị thiếu
B. Dữ liệu thuộc kiểu số học
C. Dữ liệu thuộc kiểu định danh
D. Dữ liệu thuộc kiểu nhị phân
Phân lớp dữ liệu là thuộc phương pháp:
A. Không giám sát
B. Bán giám sát
C. Có giám sát
D. Phương pháp lai
Thuật toán phân lớp tham gia vào quá trình nào sau đây trong mô hình phân lớp dữ liệu?
A. Huấn luyện
B. Kiểm thử
C. Đánh giá
D. Dự đoán
Thuật toán phân lớp nào sau đây cho phép xử lý trên nhiều kiểu/loại dữ liệu khác nhau?
A. SVM
B. Cây quyết định
C. Logistic Regression
D. Mạng nơ ron
Trong Orange, biến có kiểu dữ liệu categorical là để chỉ các thuộc tính:
A. Liên tục
B. Rời rạc
C. Định lượng
D. Số học
Đối với bài toán phân lớp đa nhãn thì chỉ số đánh giá nào thường được dùng để đánh giá độ hiệu quả của mô hình phân lớp?
A. Precision
B. Recall
C. F1-score
D. Accuracy
Giá trị a[i;j] trong ma trận nhầm lẫn (confusion matrix) cho biết:
A. Số lượng mẫu i được phân vào đúng mẫu i
B. Số lượng mẫu i được phân nhầm vào mẫu j
C. Số lượng mẫu j được phân đúng vào mẫu j
D. Số lượng mẫu j được phân nhầm vào mẫu i
Phương pháp chọn mẫu dữ liệu nào sau đây dùng để khắc phục tình trạng over-fitting?
A. Chọn mẫu ngẫu nhiên (Random sampling)
B. Đánh giá chéo (k-fold cross validation)
C. Hold-out
D. Huấn luyện và kiểm thử trên cùng tập dữ liệu
Một người bị nghi ngờ bệnh lao đi thực hiện xét nghiệm. Nếu kết quả xét nghiệm cho thấy người này bị lao trong khi anh ta thật sự không mắc bệnh lao. Trường hợp này, được gọi là:
A. Tỷ lệ bỏ sót
B. Độ nhạy
C. Tỷ lệ báo động nhầm
D. Độ lỗi
Phân cụm dữ liệu là thuộc phương pháp:
A. Có giám sát
B. Không giám sát
C. Phương pháp lai
D. Bán giám sát
Một phương pháp phân cụm tốt là phương pháp cho kết quả phân cụm mà trong đó:
A. Độ tương đồng bên trong cụm cao, đồng thời độ tương đồng giữa các cụm cao.
B. Độ tương đồng bên trong cụm thấp, đồng thời độ tương đồng giữa các cụm cao.
C. Độ tương đồng bên trong cụm cao, đồng thời độ tương đồng giữa các cụm thấp.
D. Độ tương đồng bên trong cụm thấp, đồng thời độ tương đồng giữa các cụm thấp.
Thuật toán nào sau đây cho phép một phần tử có thể thuộc về một hoặc nhiều cụm khác nhau?
A. Diana
B. K-mean
C. DBSCAN
D. Fuzzy C-mean
Thuật toán phân cụm nào sau đây không cần biết trước số cụm?
A. K-mean
B. Agnes
C. Fuzzy C-mean
D. DBSCAN
Trong Orange, đối với thuật toán phân cụm phân cấp (HAC) để có được kết quả phân cụm với số lượng cụm cụ thể ta cần làm gì?
A. Chọn số lượng cụm k trên hộp thoại.
B. Chọn phương pháp tính khoảng cách trước khi chọn thuật toán.
C. Chọn đường cắt phù hợp trên cây phân cấp kết quả.
D. Không cần làm gì cả
So sánh kết quả giữa các mô hình để xem xét tính hiệu quả của việc phân cụm thuộc cách đánh giá nào sau đây?
A. Đánh giá ngoài
B. Đánh giá trong
C. Đánh giá tương đối
D. Tất cả các cách trên
Trong Orange, đối với thuật toán K-mean, tham số đầu vào nào sau đây dùng để kiểm soát trong trường hợp dữ liệu hội tụ chậm hoặc không hội tụ?
A. Số lượng cụm (number of cluster)
B. Khởi tạo các phần tử đại diện của cụm (Initialization)
C. Số lần chạy (re-runs)
D. Số lần lặp tối đa (maximum iterations)