Trong học máy, thuật ngữ "gradient descent" ám chỉ điều gì?

Quá trình giảm kích thước của mô hình để giảm overfitting

Quá trình tăng độ phức tạp của mô hình để tăng hiệu suất

Quá trình chia tập dữ liệu thành các phần nhỏ để đánh giá mô hình

Quá trình tạo ra các mô hình phức tạp hơn để đối phó với dữ liệu phức tạp

Một chuỗi các bước xử lý dữ liệu hoặc mô hình hóa được kết hợp trong một quy trình duy nhất

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

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

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

Một phương pháp tạo ra các mẫu dữ liệu mới từ dữ liệu ban đầu bằng cách thêm các biến thể nhỏ

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

Một phương pháp tối ưu hóa cho mô hình học sâu

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

Một kỹ thuật sử dụng để giảm kích thước của dữ liệu đầu vào

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

Một kỹ thuật chuẩn hóa dữ liệu đầu ra từ các lớp trước trong mạng neural network

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

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