Có mấy cách dùng để xử lý khi dữ liệu bị thiếu:

Khi nào thì ta cần rời rạc hóa dữ liệu:

Lời giải:

Đáp án đúng: B

Rời rạc hóa dữ liệu (discretization) là quá trình chuyển đổi dữ liệu số (numerical data) thành dữ liệu thuộc kiểu định danh (categorical data). Điều này thường được thực hiện khi một số thuật toán hoặc mô hình học máy hoạt động tốt hơn với dữ liệu rời rạc, hoặc khi việc giảm số lượng giá trị khác nhau có thể giúp đơn giản hóa dữ liệu và giảm overfitting.

A. Dữ liệu bị thiếu: Dữ liệu bị thiếu là một vấn đề khác và thường được xử lý bằng các phương pháp như điền giá trị thiếu hoặc loại bỏ các bản ghi chứa giá trị thiếu.

B. Dữ liệu thuộc kiểu số học: Đây chính là trường hợp cần rời rạc hóa. Khi dữ liệu có kiểu số học (ví dụ: tuổi, thu nhập), ta có thể chia chúng thành các khoảng (ví dụ: trẻ em, thanh niên, trung niên, người già).

C. Dữ liệu thuộc kiểu định danh: Dữ liệu kiểu định danh đã là rời rạc, do đó không cần rời rạc hóa nữa.

D. Dữ liệu thuộc kiểu nhị phân: Dữ liệu nhị phân cũng là một dạng rời rạc (chỉ có hai giá trị), nên không cần rời rạc hóa thêm.

Câu 13:

Phân lớp dữ liệu là thuộc phương pháp:

Lời giải:

Đáp án đúng: C

Phân lớp dữ liệu (classification) là một kỹ thuật trong học có giám sát (supervised learning). Trong học có giám sát, mô hình được huấn luyện trên một tập dữ liệu đã được gán nhãn, tức là mỗi điểm dữ liệu đã được xác định thuộc về một lớp cụ thể. Mục tiêu của mô hình là học cách ánh xạ từ các đặc trưng của dữ liệu đầu vào đến lớp tương ứng. Do đó, phân lớp dữ liệu thuộc phương pháp học có giám sát.

Các phương án khác:
- Học không giám sát (unsupervised learning): Sử dụng dữ liệu không có nhãn để tìm ra cấu trúc ẩn trong dữ liệu (ví dụ: phân cụm).
- Học bán giám sát (semi-supervised learning): Sử dụng kết hợp dữ liệu có nhãn và không có nhãn.
- Phương pháp lai: Kết hợp nhiều phương pháp khác nhau, nhưng bản thân phân lớp dữ liệu vẫn thuộc học có giám sát.

Câu 14:

Thuật toán phân lớp tham gia vào quá trình nào sau đây trong mô hình phân lớp dữ liệu:

Lời giải:

Đáp án đúng: A

Thuật toán phân lớp được sử dụng trong quá trình huấn luyện (training) của mô hình phân lớp dữ liệu. Trong quá trình huấn luyện, thuật toán học cách phân loại dữ liệu dựa trên các mẫu (features) đã được cung cấp. Các phương án khác không đúng vì:

Kiểm thử (testing): Là quá trình đánh giá hiệu năng của mô hình sau khi đã huấn luyện.

Đánh giá (evaluation): Tương tự như kiểm thử, đánh giá mức độ chính xác của mô hình.

Dự đoán (prediction): Là quá trình sử dụng mô hình đã huấn luyện để dự đoán lớp cho dữ liệu mới.

Câu 15:

Thuật toán phân lớp nào sau đây cho phép xử lý trên nhiều kiểu/loại dữ liệu khác nhau:

Lời giải:

Đáp án đúng: B

Cây quyết định (Decision Tree) là thuật toán phân lớp có khả năng xử lý nhiều kiểu dữ liệu khác nhau (numerical, categorical,...). Khác với các thuật toán khác thường yêu cầu dữ liệu phải được chuẩn hóa hoặc chuyển đổi sang định dạng số, cây quyết định có thể trực tiếp làm việc với các thuộc tính có kiểu dữ liệu khác nhau mà không cần qua các bước tiền xử lý phức tạp.

SVM (Support Vector Machine) thường hoạt động tốt nhất với dữ liệu số và yêu cầu chuẩn hóa dữ liệu để đạt hiệu suất tối ưu.

Logistic Regression chủ yếu được sử dụng cho các bài toán phân loại nhị phân và yêu cầu dữ liệu đầu vào phải là số.

Mạng nơ-ron (Neural Networks) có thể xử lý nhiều loại dữ liệu, nhưng thường yêu cầu dữ liệu được chuẩn hóa hoặc mã hóa để đạt hiệu quả tốt nhất.

Câu 16:

Trong Orange, biến có kiểu dữ liệu categorical là để chỉ các thuộc tính:

Lời giải:

Đáp án đúng: B

Trong Orange, kiểu dữ liệu categorical dùng để biểu diễn các thuộc tính rời rạc. Các thuộc tính này có thể được chia thành các nhóm hoặc các loại riêng biệt, ví dụ như màu sắc (đỏ, xanh, vàng), giới tính (nam, nữ), hoặc các trạng thái (bật, tắt). Do đó, đáp án chính xác là B.

Câu 17:

Đối với bài toán phân lớp đa nhãn thì chỉ số đánh giá nào thường được dùng để đánh giá độ hiệu quả của mô hình phân lớp:

Lời giải: