(Các) lý do của việc trang bị không phù hợp? 

Câu hỏi này liên quan đến các nguyên nhân dẫn đến việc trang bị (mô hình) không phù hợp trong học máy hoặc các hệ thống tương tự. Chúng ta cần xem xét từng đáp án để xác định lý do chính xác. * **a. Mô hình quá đơn giản:** Một mô hình quá đơn giản (underfitting) có thể không nắm bắt được các mối quan hệ phức tạp trong dữ liệu, dẫn đến hiệu suất kém. * **b. Không đủ dữ liệu đào tạo:** Khi không có đủ dữ liệu đào tạo, mô hình có thể không học được các đặc trưng quan trọng, dẫn đến hiệu suất kém. * **c. Tất cả các yếu tố đều đúng:** Đây là một khả năng, nhưng cần xem xét kỹ các yếu tố khác. * **d. Độ lệch cao và phương sai thấp:** Độ lệch cao (high bias) thường xảy ra khi mô hình quá đơn giản và không khớp với dữ liệu. Phương sai thấp (low variance) có nghĩa là mô hình nhất quán trên các tập dữ liệu khác nhau, nhưng nếu độ lệch cao, nó vẫn sẽ hoạt động kém. * **đ. Tập dữ liệu huấn luyện không được làm sạch, chứa tiếng ồn:** Dữ liệu nhiễu (noise) có thể làm cho mô hình học các mẫu không chính xác, dẫn đến hiệu suất kém. Trong các lựa chọn trên, tất cả các yếu tố (mô hình quá đơn giản, không đủ dữ liệu, độ lệch cao/phương sai thấp, dữ liệu nhiễu) đều có thể dẫn đến việc trang bị không phù hợp. Do đó, đáp án "c. Tất cả các yếu tố đều đúng" là đáp án chính xác nhất.