L3. Giả sử mô hình hồi quy tuyến tính không phù hợp với dữ liệu. Trong tình huống như vậy, bạn thích thuật toán chính quy nào sau đây?
Trả lời:
Đáp án đúng: B
Câu hỏi này liên quan đến việc lựa chọn phương pháp chính quy hóa phù hợp khi mô hình hồi quy tuyến tính không phù hợp với dữ liệu. Trong trường hợp mô hình hồi quy tuyến tính không phù hợp (underfitting), việc áp dụng các phương pháp chính quy hóa L1 (Lasso) hoặc L2 (Ridge) thường không mang lại hiệu quả đáng kể, thậm chí có thể làm giảm hiệu suất của mô hình. Lý do là vì các phương pháp chính quy hóa này chủ yếu được sử dụng để giảm hiện tượng quá khớp (overfitting) bằng cách thêm một khoản phạt vào các hệ số của mô hình, từ đó làm giảm độ phức tạp của mô hình. Khi mô hình đã không phù hợp, việc giảm độ phức tạp hơn nữa thường không giúp cải thiện khả năng dự đoán. Thay vào đó, cần xem xét các phương pháp khác như thêm các biến hoặc đặc trưng mới, sử dụng mô hình phức tạp hơn hoặc điều chỉnh các siêu tham số của mô hình. Vì vậy, đáp án phù hợp nhất là 'Không có phương pháp nào được đề cập'.
Câu hỏi liên quan

FORM.08: Bộ 130+ Biểu Mẫu Thống Kê Trong Doanh Nghiệp

FORM.07: Bộ 125+ Biểu Mẫu Báo Cáo Trong Doanh Nghiệp

FORM.06: Bộ 320+ Biểu Mẫu Hành Chính Thông Dụng

FORM.05: Bộ 330+ Biểu Mẫu Thuế - Kê Khai Thuế Mới Nhất

FORM.04: Bộ 240+ Biểu Mẫu Chứng Từ Kế Toán Thông Dụng
