"Bias" trong machine learning là gì?

Hàm được sử dụng để biến đổi đầu vào của một neural network thành đầu ra

Hàm để tính toán gradient

Hàm để giảm overfitting

Hàm để tối ưu hóa trọng số của mạng neural

Tỷ lệ giữa số lần dự đoán đúng positive và tổng số positive thực sự

Tỷ lệ giữa số lần dự đoán đúng negative và tổng số negative thực sự

Số lần dự đoán đúng trên tổng số lần dự đoán

Tỷ lệ giữa số lần dự đoán đúng và tổng số lần dự đoán đúng và sai

Quá trình chọn lọc các đặc trưng quan trọng từ dữ liệu ban đầu

Quá trình xây dựng các mô hình dự đoán

Quá trình tinh chỉnh siêu tham số của mô hình

Quá trình đánh giá hiệu suất của mô hình

Chia tập dữ liệu thành tập huấn luyện và tập kiểm tra

Đánh giá hiệu suất của mô hình trên tập dữ liệu kiểm tra

Đánh giá hiệu suất của mô hình và tối ưu hóa siêu tham số

Đánh giá độ chính xác của mô hình trên tập dữ liệu huấn luyện

Regression

Classification

Clustering

Tất cả các phương án trên

Sự chuyển đổi của dữ liệu thành một không gian chiều cao hơn để giải quyết vấn đề phân loại phi tuyến

Sự chọn lọc các đặc trưng quan trọng từ dữ liệu ban đầu

Sự giảm chiều dữ liệu để tăng tốc độ huấn luyện

Sự tăng kích thước của mô hình để cải thiện hiệu suất

Quá trình phát hiện và loại bỏ dữ liệu bất thường khỏi tập huấn luyện

Quá trình tạo ra dữ liệu mới từ dữ liệu hiện có

Quá trình chuyển đổi dữ liệu để tăng độ chính xác của mô hình

Quá trình đánh giá hiệu suất của mô hình trên tập dữ liệu kiểm tra

Overfitting

Underfitting

Gradient vanishing/exploding

Biến dạng dữ liệu

Precision và recall

Bias và variance

Feature và label

Epoch và batch size

Giảm số chiều của dữ liệu bằng cách chuyển đổi các biến ban đầu thành các biến mới không tương quan

Phân loại hình ảnh

Dự đoán chuỗi thời gian

Phân tích ngôn ngữ tự nhiên