50 câu hỏi 60 phút
Thuật ngữ "overfitting" đề cập đến hiện tượng gì trong machine learning?
Mô hình không phù hợp với dữ liệu huấn luyện
Mô hình phù hợp tốt với dữ liệu huấn luyện nhưng không tổng quát hóa được cho dữ liệu mới
Mô hình không học được từ dữ liệu
Mô hình phù hợp tốt với dữ liệu huấn luyện và tổng quát hóa tốt cho dữ liệu mới
50 câu hỏi 60 phút
45 câu hỏi 60 phút
50 câu hỏi 60 phút
22 câu hỏi 60 phút
50 câu hỏi 60 phút
50 câu hỏi 60 phút
50 câu hỏi 60 phút
50 câu hỏi 60 phút
50 câu hỏi 60 phút
50 câu hỏi 60 phút
Bagging (Bootstrap Aggregating) là một kỹ thuật trong học máy, thuộc nhóm các phương pháp ensemble learning. Ý tưởng chính của bagging là tạo ra nhiều mô hình dự đoán khác nhau từ các tập con của dữ liệu huấn luyện (được chọn bằng cách lấy mẫu có hoàn lại), sau đó kết hợp các dự đoán của các mô hình này để tạo ra một dự đoán cuối cùng. Điều này giúp giảm phương sai và cải thiện độ chính xác của mô hình tổng thể.
Trí tuệ nhân tạo (AI) ngày càng được ứng dụng rộng rãi trong nhiều lĩnh vực khác nhau của đời sống. Trong các phương án được đưa ra, AI có thể được sử dụng để dự báo thời tiết (phân tích dữ liệu khí tượng để đưa ra dự đoán) và dự đoán giá cổ phiếu (phân tích dữ liệu thị trường tài chính). Vì vậy, đáp án "Tất cả các phương án trên" là chính xác nhất.