300+ câu Trắc nghiệm Học máy cơ bản có đáp án - Phần 9

Sử dụng kích thước batch lớn

Sử dụng learning rate nhỏ

Thêm dữ liệu huấn luyện

Tăng số lượng epoch

Khả năng hiểu được thông tin ngắn hạn

Khả năng ghi nhớ thông tin dài hạn

Khả năng xử lý chuỗi với độ dài biến đổi

Khả năng giảm thiểu hiện tượng overfitting

Sigmoid

Tanh

ReLU (Rectified Linear Unit)

Softmax

Fully Connected Layer

Pooling Layer

Convolutional Layer

Dropout Layer

"x = x / x.mean(axis=1) x = x / x.std(axis=1)"

"x = x / x.mean(axis=0) x = x / x.std(axis=0)"

"x = x – x.mean(axis=0) x = x / x.std(axis=0)"

"x = x – x.mean(axis=1) x = x / x.std(axis=0)"

file

name

dict

list

[(4, 4)]

[(2, 2)]

[(4, 4), (2, 2)]

Error

dict_items([(1, 'blue'), (2, 'red'), (3, 'green')])

dict_items([('blue'), ('red'), ('green')])

[(1, 'blue'), (2, 'red'), (3, 'green')]

[('blue'), ('red'), ('green')]

Random Forest không bị overfitting

Random Forest bị overfitting

Random Forest xử lý nhanh

Random Forest chỉ có thể áp dụng cho bài toán hồi quy

Không tìm được tập đặc trưng con tối ưu

Luôn tìm được tập đặc trưng con tối ưu

Chỉ tìm được tập đặc trưng con cận tối ưu

Chỉ tìm được tập đặc trưng con tốt hơn tập đặc trưng gốc

Không tìm được tập đặc trưng con tối ưu

Luôn tìm được tập đặc trưng con tối ưu

Chỉ tìm được tập đặc trưng con cận tối ưu

Chỉ tìm được tập đặc trưng con tốt hơn tập đặc trưng gốc

Dữ liệu mất cân bằng

Nhiễu trong dữ liệu

Dữ liệu có độ biến đổi cao

Cả 3 vấn đề trên

Convolutional layers, Pooling layers

Convolutional layers, Batch Normalization, Dense (Fully connected) layers

Convolutional layers, Pooling layers, Dense (Fully connected) layers

Convolutional layers, Dense (Fully connected) layers

Sigmoid và binary_crossentropy

Sigmoid và mse

Sigmoid và categorical_crossentropy

None và mse

Số nút của 1 lớp ẩn

Tốc độ học

Số epoch

Tất cả đều được gọi là Hyperparameter

Recurrent neural networks

Convolutional neural networks

ResNet

GoogleNet