Giá trị a[i;j] trong ma trận nhầm lẫn (confusion matrix) cho biết:

Câu hỏi này liên quan đến các khái niệm cơ bản trong thống kê y học và đánh giá xét nghiệm chẩn đoán. Cụ thể, nó đề cập đến sai sót có thể xảy ra khi sử dụng một xét nghiệm để chẩn đoán bệnh.

Phân tích các lựa chọn:

• A. Tỷ lệ bỏ sót (False Negative Rate): Đây là tỷ lệ những người thực sự mắc bệnh nhưng xét nghiệm lại cho kết quả âm tính (không phát hiện ra bệnh). Trong trường hợp này, người đó thực sự bị lao nhưng xét nghiệm lại không phát hiện ra.


• B. Độ nhạy (Sensitivity): Độ nhạy của một xét nghiệm là khả năng xét nghiệm đó xác định chính xác những người thực sự mắc bệnh. Nó không mô tả trường hợp xét nghiệm dương tính ở người không bệnh.


• C. Tỷ lệ báo động nhầm (False Positive Rate): Đây là tỷ lệ những người thực sự không mắc bệnh nhưng xét nghiệm lại cho kết quả dương tính (báo là có bệnh). Đây chính xác là tình huống được mô tả trong câu hỏi.


• D. Độ lỗi: Đây là một thuật ngữ chung chung, không đặc tả loại sai sót cụ thể nào trong xét nghiệm.

Kết luận:

Trường hợp một người không mắc bệnh lao nhưng xét nghiệm lại cho kết quả dương tính (bị chẩn đoán là có bệnh) được gọi là tỷ lệ báo động nhầm (False Positive Rate). Vì vậy, đáp án đúng là C.

Phân tích các thuật toán:

• A. DIANA (Divisive Analysis Clustering): Là một thuật toán phân cụm phân cấp (hierarchical clustering) theo kiểu chia tách (divisive). Nó bắt đầu bằng việc coi toàn bộ tập dữ liệu là một cụm duy nhất, sau đó chia tách cụm này thành các cụm nhỏ hơn một cách đệ quy. Mỗi phần tử chỉ thuộc về một cụm duy nhất tại bất kỳ thời điểm nào.
• B. K-means: Là một thuật toán phân cụm dựa trên khoảng cách. Mỗi điểm dữ liệu được gán cho cụm có trung tâm gần nhất. Do đó, mỗi điểm chỉ thuộc về một cụm duy nhất.
• C. DBSCAN (Density-Based Spatial Clustering of Applications with Noise): Là một thuật toán phân cụm dựa trên mật độ. Nó nhóm các điểm dữ liệu gần nhau và đánh dấu các điểm dữ liệu nằm một mình trong các vùng có mật độ thấp là nhiễu (noise). Mỗi điểm hoặc thuộc về một cụm hoặc được coi là nhiễu, nhưng không thể thuộc về nhiều cụm.
• D. Fuzzy C-means (FCM): Là một thuật toán phân cụm mềm (soft clustering). Thay vì gán mỗi điểm dữ liệu cho một cụm duy nhất, FCM gán cho mỗi điểm một độ thuộc (membership) cho mỗi cụm. Độ thuộc này thể hiện mức độ mà điểm đó thuộc về cụm đó. Một điểm có thể có độ thuộc khác không cho nhiều cụm, cho phép nó thuộc về nhiều cụm khác nhau ở các mức độ khác nhau.

Kết luận:

Fuzzy C-means (FCM) là thuật toán cho phép một phần tử thuộc về một hoặc nhiều cụm khác nhau.