Trong học máy, "early stopping" là gì?

Mean Squared Error (MSE) là một hàm mất mát (loss function) được sử dụng phổ biến trong các bài toán hồi quy. Nó tính toán trung bình của bình phương sai số giữa giá trị dự đoán và giá trị thực tế. Do đó, đáp án D là chính xác. Các đáp án khác không đúng vì: A mô tả một phương pháp tối ưu hóa chung, B mô tả hàm mất mát cho bài toán phân loại (ví dụ: cross-entropy), và C mô tả một phương pháp tiền xử lý dữ liệu.

Đạo hàm của hàm sigmoid σ(s) được tính bằng công thức σ(s)(1 – σ(s)). Đây là một kết quả quan trọng và được sử dụng rộng rãi trong quá trình lan truyền ngược (backpropagation) để huấn luyện các mạng nơ-ron.

ReLU (Rectified Linear Unit) là một hàm kích hoạt phổ biến trong mạng nơ-ron. Đặc điểm chính của ReLU là nó trả về 0 nếu đầu vào âm và trả về chính giá trị đầu vào nếu nó dương.

Phương án A không đúng vì ReLU không trực tiếp làm giảm độ chệch (bias) của mô hình. Độ chệch thường được điều chỉnh thông qua quá trình huấn luyện và tối ưu hóa.

Phương án B không đúng vì ReLU thay đổi các giá trị âm thành 0.

Phương án C đúng. ReLU giúp giảm thiểu vấn đề vanishing gradient (mất mát gradient) so với các hàm kích hoạt như sigmoid hoặc tanh. Khi đầu vào dương, gradient của ReLU là 1, giúp lan truyền gradient hiệu quả hơn trong quá trình lan truyền ngược (backpropagation).

Phương án D không đúng. ReLU, giống như các hàm kích hoạt khác, không tự nó giải quyết vấn đề overfitting. Overfitting thường được giải quyết bằng các kỹ thuật như regularization, dropout, hoặc thu thập thêm dữ liệu.

Câu hỏi này kiểm tra kiến thức về các phương pháp đánh giá hiệu suất mô hình trong học máy. Tất cả các đáp án được liệt kê đều là các độ đo phổ biến được sử dụng để đánh giá mô hình:

* Accuracy (Độ chính xác): Tỷ lệ giữa số lượng dự đoán đúng và tổng số lượng dự đoán.
* Precision (Độ chuẩn xác): Tỷ lệ giữa số lượng dự đoán dương tính đúng và tổng số lượng dự đoán dương tính.
* Recall (Độ phủ): Tỷ lệ giữa số lượng dự đoán dương tính đúng và tổng số lượng thực tế là dương tính.
* F1-score: Trung bình điều hòa của Precision và Recall, cung cấp một cách đánh giá cân bằng giữa hai yếu tố này.

Vì câu hỏi không yêu cầu cụ thể về một độ đo cụ thể nào, và tất cả các lựa chọn đều là các độ đo đánh giá mô hình, ta có thể hiểu rằng câu hỏi đang hỏi về các độ đo nói chung. Vì vậy, không có đáp án sai trong các lựa chọn trên. Tuy nhiên, đáp án A (Accuracy) thường được sử dụng và biết đến rộng rãi nhất, nên có thể được coi là đáp án "tổng quát" nhất trong trường hợp này.

Tuy nhiên, do tính chất không rõ ràng của câu hỏi và việc tất cả các đáp án đều đúng ở một mức độ nào đó, nên câu hỏi này có thể cần được xem xét lại.

Trong trường hợp này, tôi sẽ chọn A vì nó là độ đo phổ biến nhất, nhưng cần lưu ý rằng các đáp án còn lại cũng hợp lệ.