"K-means" là một thuật toán phân cụm được sử dụng trong lĩnh vực nào?

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

K-means clustering

Supervised learning

Unsupervised learning

Ensemble learning

Biến đổi đầu ra của mạng neural thành xác suất

Tăng độ phức tạp của mạng neural

Giảm overfitting trong mạng neural

Biến đổi đầu vào thành đầu ra cho mạng neural

Một loại mô hình học sâu

Một loại mô hình học có giám sát

Một thuật toán phân loại

Một phương pháp học không giám sát

Các tham số mà mô hình học từ dữ liệu

Các tham số không thể thay đổi được trong quá trình huấn luyện mô hình

Các tham số được thiết lập trước cho mô hình và không thay đổi dựa trên dữ liệu

Các tham số quyết định cách mà mô hình được huấn luyện và tối ưu hóa

Một bảng tổng hợp thể hiện kết quả của mô hình dự đoán so với nhãn thực tế

Một phương pháp để giảm kích thước của dữ liệu đầu vào

Một phương pháp để xử lý dữ liệu bị thiếu

Một phương pháp để chọn lọc các đặc trưng quan trọng từ dữ liệu