Trong học máy, "mean squared error (MSE)" là gì?

Trong mô hình Random Forest, mỗi cây con được xây dựng trên một tập hợp con ngẫu nhiên của dữ liệu huấn luyện và một tập hợp con ngẫu nhiên của các features (đặc trưng). Việc này giúp tạo ra sự đa dạng giữa các cây, từ đó cải thiện khả năng tổng quát hóa của mô hình. Việc chọn một subset ngẫu nhiên của các feature cho mỗi cây con là một phần quan trọng của quá trình này.

Câu hỏi này kiểm tra kiến thức về các thuật toán học máy và ứng dụng của chúng trong bài toán phân loại.

A. K-means: Là thuật toán phân cụm, không phải phân loại. K-means tìm cách chia dữ liệu thành các cụm dựa trên khoảng cách giữa các điểm dữ liệu.

B. Linear Regression: Là thuật toán hồi quy tuyến tính, được sử dụng để dự đoán giá trị liên tục, không phải để phân loại.

C. Decision Tree: Là một thuật toán phân loại. Decision Tree xây dựng một cây quyết định dựa trên các đặc trưng của dữ liệu để phân loại các điểm dữ liệu vào các lớp khác nhau.

D. KNN (K-Nearest Neighbors): Là một thuật toán phân loại dựa trên khoảng cách. KNN phân loại một điểm dữ liệu dựa trên lớp của K điểm dữ liệu gần nhất.

Vậy, cả Decision Tree và KNN đều là thuật toán phân loại. Tuy nhiên, theo thứ tự đáp án, Decision Tree xuất hiện trước.