125 câu Trắc nghiệm tổng hợp Lý thuyết môn Học máy có đáp án

Bài toán phân lớp

Bài toán hồi quy

Bài toán gom cụm

Bài toán máy dịch

D là ma trận đường chéo khả nghịch, P là ma trận đường chéo khả nghịch

D là ma trận đường chéo khả nghịch, P là ma trận khả nghịch

P là ma trận đường chéo khả nghịch, D là ma trận khả nghịch

D là ma trận đường chéo, P là ma trận khả nghịch

phân lớp Naïve Bayes

máy vector hỗ trợ (support vector machine)

k-láng giềng gần nhất (k-nearest neighbors)

học perceptron

k-means

Hồi quy logistic

DBSCAN

Apriori

PCA là một phương pháp dùng để giảm chiều dữ liệu

Đây là phương pháp đi tìm một phép xoay hệ trục tọa độ

Hệ cơ sở mới trong PCA là một hệ trực chuẩn

PCA là một thuật toán học có giám sát (supervised)

k-trung bình (k-means)

máy vector hỗ trợ (support vector machine)

hồi quy logistic (logistic regression)

naïve Bayes

gặp vấn đề underfitting

gặp cả hai vấn đề overfitting và underfitting

không gặp vấn đề overfitting/underfitting

gặp vấn đề overfitting

Thuật toán k láng giềng gần nhất

Hồi quy logistic (logistic regression)

Thuật toán k trung bình

Thuật toán hồi quy tuyến tính

UMAP (Uniform Manifold Approximation and Projections)

LDA (Linear Discriminant Analysis)

t-SNE (t-Distributed Stochastic Neighbor Embedding)

PLA (Perceptron Learning Algorithm)

Lấy mẫu (sampling)

Hồi quy (regressing)

Gom cụm (clustering)

Phân lớp (classifying)

Hàm y=ax+b không phải là một hàm lồi (Sai - sai vì hàm y=ax+b là một hàm lồi và cũng là hàm lõm theo định nghĩa)

Giao giữa hai tập lồi chưa chắc là một tập lồi (Sai - vì giao của hai tập lồi luôn là một tập lồi theo tính chất của tập lồi)

Nếu hàm mất mát của một thuật toán học máy là lồi thì điểm tối ưu nếu tìm được cũng là tối ưu toàn cục (hàm mất mát là lồi => không có điểm cực tiểu cục bộ chỉ có cực tiểu toàn cục duy nhất)

Nếu tập xác định của một hàm là không lồi thì hàm đó là một hàm lồi (tùy vào hàm số có thể lồi hoặc không lồi)

Tính khoảng cách Euclid giữa hai vector

Tính khoảng cách Minkowski giữa hai vector

Tính khoảng cách Manhattan giữa hai vector

Tính góc giữa giữa hai vector thông qua cosine

là độc lập nhau

có mối quan hệ phi tuyến

có mối quan hệ theo hàm sigmoid

có mối quan hệ tuyến tính

Tập xác thực (validating set)

Tập kiểm tra (testing set)

Tập huấn luyện (training set)

Tập phát triển (developing set)

Học có giám sát yêu cầu dữ liệu được dán nhãn, trong khi học không giám sát thì không.

Học có giám sát được sử dụng thuật toán hồi quy, học không giám sát sử dụng thuật toán gom cụm.

Học có giám sát sử dụng thuật toán gom cụm, học không giám sát sử dụng thuật toán phân loại.

Không có sự khác biệt giữa học có giám sát và học không giám sát.

Thuật toán đi tìm đầu ra của một điểm dữ liệu mới dựa trên thông tin của K điểm dữ liệu gần nhất trong tập huấn luyện

Thuật toán xây dựng mô hình từ dữ liệu huấn luyện và sử dụng dữ liệu kiểm tra để đánh giá mô hình đã xây dựng trước đó

Thuật toán gần như không học gì trong giai đoạn huấn luyện, mọi tính toán được thực hiện trong giai đoạn kiểm tra

Câu a và b đúng

Phân loại chính xác hai lớp dữ liệu

Dữ liệu phi tuyến tính

Chấp nhận sai sót tại một vài điểm dữ liệu

Biến đổi dữ liệu từ không gian đặc trưng ban đầu thành dữ liệu trong không gian mới

Thuật toán học perceptron

Thuật toán K láng giềng gần nhất

Bộ phân loại naïve Bayes

Thuật toán máy vector hỗ trợ

D là ma trận đường chéo, P là ma trận khả nghịch

P là ma trận đường chéo khả nghịch, D là ma trận khả nghịch

D là ma trận đường chéo khả nghịch, P là ma trận khả nghịch

D là ma trận đường chéo khả nghịch, P là ma trận đường chéo khả nghịch

Thuật toán K lân cận gần nhất

Bộ phân loại naïve Bayes

Thuật toán học Perceptron

Cả ba câu trên đều đúng

Biết nhãn của từng điểm dữ liệu

Cụm là tập hợp các điểm dữ liệu có vector đặc trưng gần

Khoảng cách Euclid được sử dụng phổ biến nhất để xác định khoảng cách giữa các vector đặc trưng với tâm của mỗi cụm

Câu a và b sai nhau

Bộ kiểm tra và bộ xác nhận

Tập huấn luyện và tập xác thực

Tập huấn luyện, tập xác thực và tập kiểm tra

Tập huấn luyện và tập kiểm tra

tập huấn luyện

bộ thử nghiệm

bộ nhớ đệm

bộ xác nhận

Mô hình quá phức tạp

Phương sai cao và độ lệch thấp

Tất cả các lý do được đề cập

Quá nhiều tiếng ồn trong dữ liệu huấn luyện

Trong phân loại, đầu ra là a giá trị rời rạc.

Trong dự đoán, đầu ra có thể là giá trị liên tục hoặc giá trị rời rạc.

Nhiệm vụ dự đoán về cơ bản là phân loại.

Phân loại là a nhiệm vụ dự đoán.

Thực hiện kỹ thuật tính năng

Thực hiện tiền xử lý dữ liệu a cách khéo léo

Tăng độ phức tạp của mô hình

Tất cả các phương pháp được đề cập

Thiên kiến

Tín hiệu

Phương sai

Tiếng ồn

Cả hai vấn đề dưới và quá phù hợp

vấn đề không phù hợp

vấn đề trang bị quá mức

Không có vấn đề về thiếu hoặc quá phù hợp

Mô hình quá đơn giản

Không đủ dữ liệu đào tạo

Tất cả các yếu tố đều đúng

Độ lệch cao và phương sai thấp

A ứng dụng quét a hình ảnh và cần quyết định xem hình ảnh đó có chứa thú cưng hay không

A ứng dụng cần dự đoán năng lực làm việc của ứng viên dựa trên CV của ứng viên

Tất cả các nhiệm vụ được đề cập

Robot được cung cấp a số thông tin về thế giới và cần thực hiện hành động tốt nhất tiếp theo

Lựa chọn tính năng

Học tăng cường

Học tập không giám sát

Học tập có giám sát

Giá trị phân loại

Giá trị rời rạc

A số thực

A số phức

bộ nhớ đệm

bộ xác nhận

tập huấn luyện

bộ thử nghiệm

Thiếu trang bị

Cả trang bị thiếu và trang bị quá mức

Trang bị quá mức

Không trang bị quá ít cũng không quá trang bị

Thiếu trang bị

Cả trang bị thiếu và trang bị quá mức

Trang bị quá mức

Không trang bị quá ít cũng không quá trang bị

bộ nhớ đệm

bộ xác nhận

bộ thử nghiệm

tập huấn luyện

Giảm kích thước

Học tăng cường

Học tập không giám sát

Học tập có giám sát

Phát hiện đối tượng

Khai thác dữ liệu

Học máy

Khoa học dữ liệu

Trực quan hóa dữ liệu

Kỹ thuật tính năng

Dự đoán tính năng

Tiền xử lý dữ liệu

bộ nhớ đệm

bộ thử nghiệm

tập huấn luyện

bộ xác nhận

Phát hiện đối tượng

Học máy

Khoa học dữ liệu

Khai thác dữ liệu

Không phù hợp với tập dữ liệu

Trang bị quá mức tập dữ liệu

Phù hợp vừa phải với tập dữ liệu

Hiểu biết kinh doanh

Làm người mẫu

Triển khai

Sự đánh giá

Học tập không giám sát

Lựa chọn tính năng

Học tăng cường

Học tập có giám sát

Triển khai

Làm người mẫu

Hiểu biết kinh doanh

Hiểu dữ liệu

Hệ thống quản lý quan hệ khách hàng

Học máy

Khoa học dữ liệu

Khai thác dữ liệu

ĐÚNG VẬY

SAI

Học tập không giám sát

Lựa chọn tính năng

Học tăng cường

Học tập có giám sát

A ứng dụng cần dự đoán năng lực làm việc của ứng viên dựa trên CV của ứng viên

Tất cả các nhiệm vụ được đề cập

Robot được cung cấp a số thông tin về thế giới và cần thực hiện hành động tốt nhất tiếp theo

Dự báo sự gián đoạn chuỗi cung ứng dựa trên thông tin thị trường

bộ xác nhận

bộ nhớ đệm

tập huấn luyện

bộ thử nghiệm

bộ nhớ đệm

bộ thử nghiệm

tập huấn luyện

bộ xác nhận

Tập huấn luyện, tập xác thực và tập kiểm tra

Bộ kiểm tra và bộ xác nhận

Tập huấn luyện và tập xác nhận

Tập huấn luyện và tập kiểm tra

a bề mặt trong không gian 4 chiều

bề mặt trong không gian 1 chiều

a bề mặt trong không gian 3 chiều

a bề mặt trong không gian 2 chiều

Thấp hơn là tốt hơn

Cao hơn thì tốt hơn

Không có tuyên bố nào được đề cập

Cao hay thấp tùy tình hình

ban đầu phù hợp với mô hình

cung cấp đánh giá khách quan về mô hình ban đầu và điều chỉnh các siêu tham số của mô hình

giữ cân bằng giữa dữ liệu trong các tập hợp con khác nhau

bình phương R

Phương sai

Độ lệch chuẩn

Nghĩa là

bộ tàu và bộ kiểm tra

tập kiểm tra, tập huấn luyện và tập xác nhận

bộ kiểm tra và bộ xác nhận

tập huấn luyện và tập xác nhận

Có cơ hội cao mà đa thức độ 2 sẽ phù hợp với dữ liệu

Có cơ hội cao mà đa thức độ 2 sẽ phù hợp với dữ liệu

Không ai trong số này

Không thể nói

Không ai trong số này

Không thể nói

Có nhiều cơ hội là đa thức cấp 4 sẽ phù hợp với dữ liệu

Có nhiều cơ hội là đa thức độ 4 sẽ phù hợp với dữ liệu

Nếu theta_1 = 0, thì mô hình luôn xuất ra giá trị không đổi bất kể kích thước nhà

Nếu theta_1 âm, thì giá và kích thước cùng hướng

Nếu theta_0 = 0, thì mô hình có thể xuất số 0 nếu kích thước nhà lớn hơn 0

Nếu theta_1 là dương, thì giá và kích thước theo hướng ngược lại

Giả thuyết

biến phụ thuộc

biến độc lập

Tham số của mô hình

Trung bình

Độ lệch chuẩn

R-bình phương

Phương sai

thử nghiệm mô hình

điều chỉnh tham số

kỹ thuật tính năng

đào tạo người mẫu

1, 2 và 3

2 và 3

1 và 3

1 và 2

giả thuyết

biến độc lập

biến phụ thuộc

Thông số của mô hình

ĐÚNG VẬY KHÔNG HỀ SAI MIẾNG NÀO

Không được đưa ra

SAI

Bất kì

Không có phương pháp nào được đề cập

L2

L1

Có nghĩa là lỗi tuyệt đối

Entropy chéo nhị phân

bình phương R

Lỗi bình phương trung bình gốc (RMSE)

Mối quan hệ giữa x1 và Y yếu

Sự tương quan không thể phán xét mối quan hệ

Mối quan hệ giữa x1 và Y là trung tính

Mối quan hệ giữa x1 và Y rất chặt chẽ

bình phương R

Độ lệch chuẩn

Nghĩa là

Phương sai

Độ lệch chuẩn

bình phương R

Nghĩa là

Phương sai

biến độc lập

giả thuyết

Thông số của mô hình

biến phụ thuộc

Hàm sigmoid là vi phân cho mọi số thực

Chúng tôi giả sử rằng hai lớp trong mô hình được phân phối chuẩn

Tất cả các câu đều đúng

Đầu ra của nó nằm trong khoảng (0,1). Do đó, chúng ta có thể hiểu giá trị đó là xác suất của biến quan tâm

(-vô cùng, 0)

(0, vô cực)

(-vô cùng, vô cùng)

(0, 1)

giá trị rời rạc

giá trị phân loại

giá trị liên tục

Nếu z tiến tới vô hạn thì h(z) tiến tới 1

Nếu z tiến tới vô hạn thì h(z) tiến tới 1

Nếu z tiến tới 0 thì h(z) tiến tới 1/4

Nếu z tiến tới vô hạn thì h(z) tiến tới 0

Chúng ta cần ghép n-1 mô hình để phân loại thành n lớp

Tất cả các phát biểu đều sai

Chúng ta cần điều chỉnh n mô hình trong bài toán phân loại n lớp

Chúng ta chỉ cần ghép 1 mô hình để phân thành n lớp

Không thể quyết định

ĐÚNG

SAI

0

0.5

1

0,75

ĐÚNG

SAI

Không được đưa ra

SAI

Không được đưa ra

ĐÚNG

ĐÚNG

Nó có thể được sử dụng cho cả nhiệm vụ, phân loại và hồi quy

Không được đưa ra

SAI

1 chiếc máy bay

1 dòng

a siêu phẳng trong R^n

không thể quyết định

phân loại nhiều lớp

Phân loại 4 lớp

Phân loại 3 lớp

phân loại nhị phân

quyết định ranh giới của nó về cơ bản là a đường trong R^2

quyết định biên của nó về cơ bản là mặt phẳng trong R^3

quyết định biên của nó về cơ bản là a siêu phẳng trong RAn (n &gt ;= 1)

Hàm khả năng ghi nhật ký

Không có chức năng nào được đề cập

Hàm lẻ

hàm sigmoid

(0, inf)

(-thông tin)

(0, 1)

(-inf, inf)

SAI

Không được đưa ra

ĐÚNG

một mặt phẳng

một siêu phẳng trong không gian RAn

không thể quyết định

một đường thẳng

tỷ lệ cơ hội sẽ là 0.25

tỷ lệ cơ hội sẽ là 0.5

tỷ lệ cơ hội sẽ là 0.75

tỷ lệ cơ hội sẽ là 1

Không được đưa ra

Sai

Đúng

Không thể quyết định

Âm

Dương

Không phải một trường hợp dữ liệu mới hoặc cũ

Một trường hợp dữ liệu cũ

Cả trường hợp dữ liệu mới và cũ

Một trường hợp dữ liệu mới

Một số phức

Một giá trị phân loại

Một giá trị rời rạc

Một số thực

Tập lưu trữ

Tập xác thực

Tập huấn luyện

Tập kiểm tra

Sai

Đúng

Vấn đề quá khớp (over-fitting)

Cả vấn đề dưới khớp và quá khớp

Không phải vấn đề dưới khớp và quá khớp

Vấn đề dưới khớp (under-fitting)

Đó là một vòng đời cho phân tích dữ liệu dự đoán

Đó là một mô hình học máy cho phân tích dữ liệu dự đoán

Đó là một kho dữ liệu để lưu trữ dữ liệu lớn

Đó là quy trình thu thập và tiền xử lý dữ liệu

Tập kiểm tra

Tập lưu trữ

Tập huấn luyện

Tập xác thực

Học máy

Khai thác dữ liệu

Khoa học dữ liệu

Phát hiện đối tượng

Tập kiểm tra

Tập lưu trữ

Tập xác thực

Tập huấn luyện

Một ứng dụng cần dự đoán hiệu suất của ứng viên công việc dựa trên CV của ứng viên

Tất cả các nhiệm vụ được đề cập

Dự báo sự gián đoạn chuỗi cung ứng dựa trên thông tin về thị trường

Một ứng dụng quét một hình ảnh và cần quyết định xem hình ảnh đó có chứa một động vật nuôi hay không

Một robot được cung cấp một số thông tin về thế giới và cần thực hiện hành động tốt nhất tiếp theo

Mô hình quá đơn giản

Sai số cao và phương sai thấp

Tất cả các yếu tố đều đúng vậy

Thiếu dữ liệu huấn luyện đủ

Tập dữ liệu huấn luyện không được làm sạch, chứa nhiễu