Trong học máy, "batch normalization" là gì?

Một thuật toán tối ưu hóa được sử dụng để cập nhật các tham số của mô hình để giảm thiểu hàm mất mát

Một phương pháp biểu diễn từng từ trong văn bản thành một vector số

Một hàm kích hoạt phổ biến trong mạng neural network, được định nghĩa bởi f(x) = max(0, x)

Một phương pháp để chuyển đổi dữ liệu đầu vào thành dạng phù hợp cho mạng neural

Một tập dữ liệu được sử dụng để đánh giá hiệu suất của mô hình trong quá trình huấn luyện

Một phương pháp tối ưu hóa cho mô hình học sâu

Một tập dữ liệu được sử dụng để kiểm tra hiệu suất cuối cùng của mô hình sau khi huấn luyện

Một phương pháp để tạo ra các mẫu dữ liệu mới từ dữ liệu ban đầu

Một hàm mất mát thường được sử dụng trong bài toán phân loại, tính toán sự chênh lệch giữa phân phối dự đoán và phân phối thực tế của các lớp

Một phương pháp để tạo ra các mẫu dữ liệu mới từ dữ liệu ban đầu

Một phương pháp để chuyển đổi dữ liệu đầu vào thành dạng phù hợp cho mạng neural

Một kỹ thuật tối ưu hóa cho mô hình học sâu

Mức độ quan trọng của mỗi đặc trưng trong việc xác định kết quả dự đoán của mô hình

Tốc độ mà mô hình học từ dữ liệu huấn luyện, tỉ lệ cập nhật các tham số của mạng neural

Số lượng lớn nhất của mẫu dữ liệu được sử dụng trong một epoch

Số lượng mẫu dữ liệu được sử dụng để đánh giá hiệu suất của mô hình trong quá trình huấn luyện

Một phương pháp để tối ưu hóa các tham số của mô hình

Một kỹ thuật tối ưu hóa cho mô hình học sâu

Một hệ số giúp điều chỉnh tốc độ học của mô hình trong quá trình lan truyền ngược

Một phương pháp để chuyển đổi dữ liệu đầu vào thành dạng phù hợp cho mạng neural

Principal Component Analysis (PCA)

K-Means Clustering

Support Vector Machine (SVM)

Decision Trees

Gradient Descent

K-Means Clustering

Decision Trees

K-Nearest Neighbors

(-1, 1)

(0, 1)

(-∞, +∞)

D

Elbow method

Gradient Descent

Confusion Matrix

Silhouette Analysis

Bằng cách giải phương trình đạo hàm của hàm mất mát

Bằng cách chia tổng của đầu ra cho tổng của đầu vào

Bằng cách tối ưu hàm mất mát bằng Gradient Descent

Bằng cách tính đạo hàm riêng của từng biến đầu vào