Thuật ngữ tiếng Anh nào có nghĩa là phân cụm dữ liệu 

Câu hỏi yêu cầu tìm thuật ngữ tiếng Anh tương ứng với "Phân lớp dữ liệu".

* a. Data Classification: Đây chính là thuật ngữ tiếng Anh của "Phân lớp dữ liệu". Trong lĩnh vực khoa học dữ liệu và máy học, phân lớp dữ liệu là quá trình gán các đối tượng dữ liệu vào các lớp (categories) đã được định nghĩa trước.
* b. Data Clustering: Đây là "Phân cụm dữ liệu", một kỹ thuật nhóm các đối tượng dữ liệu tương tự lại với nhau thành các cụm (clusters) mà không cần định nghĩa trước các lớp.
* c. Data Mining: Đây là "Khai thác dữ liệu", một quá trình khám phá các mẫu (patterns) và thông tin hữu ích từ một lượng lớn dữ liệu.
* d. Association Rule: Đây là "Luật kết hợp", một kỹ thuật tìm kiếm các mối quan hệ giữa các biến trong một tập dữ liệu.

Vậy, đáp án đúng là a.

Câu hỏi yêu cầu xác định các loại cơ sở dữ liệu (CSDL) khác nhau có thể được khai phá (data mining).

Phương án a liệt kê đầy đủ và chính xác các loại CSDL phổ biến và có tiềm năng khai phá dữ liệu: CSDL quan hệ, CSDL giao tác, CSDL hướng đối tượng, CSDL không gian, CSDL thời gian, CSDL văn bản (text), CSDL XML, CSDL đa phương tiện (multi-media), và CSDL World Wide Web (WWW).

Các phương án còn lại (b, c, d) liệt kê không đầy đủ hoặc cụ thể hóa các ví dụ mà không bao quát hết các loại CSDL có thể khai phá.

Giá trị trung bình của các thuộc tính là (6 + 2 + 5 + 7 + 5) / 5 = 5. Vậy vị trí dấu hỏi điền giá trị 5.

FP-Tree (Frequent Pattern Tree) là một cấu trúc cây được sử dụng trong khai phá dữ liệu để lưu trữ thông tin về các tập mục phổ biến.

* a. FP-Tree là cây nhị phân: Sai. FP-Tree là cây tổng quát (general tree) chứ không phải cây nhị phân. Mỗi nút trong FP-Tree có thể có nhiều nút con, tùy thuộc vào số lượng các mục khác nhau xuất hiện sau nó trong các giao dịch.
* b. FP-Tree là cây tổng quát: Đúng. FP-Tree có thể có nhiều nhánh từ một nút, không giới hạn ở hai nhánh như cây nhị phân.
* c. Khi thêm 1 giao dịch vào FP-Tree đều phải thêm bắt đầu từ gốc: Đúng. Khi thêm một giao dịch mới vào FP-Tree, ta bắt đầu từ nút gốc và duyệt theo các mục trong giao dịch.
* d. Bảng đầu mục – Header Table dùng để lưu 3 thông tin: Tên item, Số lượng item đó xuất hiện trong CSDL giao dịch và Con trỏ dùng để trỏ đến nút cùng tên được sinh ra đầu tiên: Đúng. Bảng Header Table chứa thông tin về mỗi mục, số lần xuất hiện và con trỏ đến nút đầu tiên của mục đó trong cây.

Vậy, khẳng định sai là FP-Tree là cây nhị phân.

Độ đo 'gần gũi' (proximity measure) là một độ đo được sử dụng để đánh giá mức độ tương đồng hoặc không tương đồng giữa hai đối tượng, thường được biểu diễn dưới dạng các vector đặc trưng. Trong các bài toán khai thác dữ liệu và học máy, độ đo này rất quan trọng để xác định các đối tượng tương tự nhau, ví dụ như trong các thuật toán phân cụm (clustering) hay tìm kiếm láng giềng gần nhất (nearest neighbor search).

* Phương án a chính xác nhất vì nó trực tiếp định nghĩa độ đo gần gũi là một độ đo chỉ ra mức độ tương tự hoặc không tương tự giữa hai vector đặc trưng.
* Phương án b quá chung chung, vì độ đo giữa 2 phần tử bất kỳ có thể bao gồm nhiều loại độ đo khác, không nhất thiết liên quan đến độ gần gũi.
* Phương án c đề cập đến khoảng cách, là một dạng cụ thể của độ đo gần gũi (ví dụ: khoảng cách Euclidean), nhưng không bao quát hết tất cả các loại độ đo gần gũi.
* Phương án d đúng một phần, vì độ đo gần gũi thường được sử dụng trong Data Mining để phân cụm dữ liệu, nhưng không phải là định nghĩa duy nhất của nó.