Các bài toán thuộc làm sạch dữ liệu là:

Xử lý giá trị thiếu, Dữ liệu nhiễu: định danh ngoại lai và làm trơn, Chỉnh sửa dữ liệu không nhất quán, Giải quyết tính dư thừa tạo ra sau tích hợp dữ liệu.

Làm trơn theo biên, phương pháp đóng thùng, điền giá trị thiếu, Giải quyết tính dư thừa tạo ra sau tích hợp dữ liệu.

Phân cụm, phân lớp, hồi quy, biểu diễn dữ liệu.

Phân cụm, tìm luật kết hợp, tìm kiếm đặc trưng.

Trả lời:

Đáp án đúng: A

Các bài toán thuộc làm sạch dữ liệu bao gồm: xử lý giá trị thiếu, xử lý dữ liệu nhiễu (định danh ngoại lai và làm trơn), chỉnh sửa dữ liệu không nhất quán và giải quyết tính dư thừa tạo ra sau tích hợp dữ liệu. Phương án A liệt kê đầy đủ và chính xác các công việc này.

150+ câu hỏi trắc nghiệm Khai phá dữ liệu đầy đủ đáp án và lời giải - Phần 1

50 câu hỏi 60 phút

Bắt đầu thi

Câu hỏi liên quan

Câu 20:

Một số phương pháp loại bỏ dữ liệu nhiễu là:

Lời giải:

Đáp án đúng: A

Câu hỏi này kiểm tra kiến thức về các phương pháp loại bỏ dữ liệu nhiễu (noisy data) trong quá trình tiền xử lý dữ liệu. Dữ liệu nhiễu có thể gây ảnh hưởng tiêu cực đến hiệu suất và độ chính xác của các mô hình học máy. Dưới đây là phân tích chi tiết từng phương án:

Phương án A: Bỏ qua bản ghi có dữ liệu bị thiếu, điền giá trị thiếu bằng tay, điền giá trị tự động. Đây là các phương pháp xử lý dữ liệu bị thiếu (missing data), không phải là loại bỏ dữ liệu nhiễu nói chung. Mặc dù dữ liệu thiếu có thể coi là một dạng nhiễu, nhưng phương án này không bao quát hết các trường hợp dữ liệu nhiễu khác.

Phương án B: Loại bỏ dựa trên quan sát, loại bỏ khi lựa chọn đặc trưng. Loại bỏ dựa trên quan sát (outlier detection and removal) là một phương pháp hiệu quả để loại bỏ các điểm dữ liệu bất thường, tức là dữ liệu nhiễu. Loại bỏ khi lựa chọn đặc trưng (feature selection) cũng có thể giúp loại bỏ nhiễu bằng cách chỉ giữ lại các đặc trưng quan trọng, ít bị ảnh hưởng bởi nhiễu.

Phương án C: Loại bỏ toàn bộ dữ liệu bị nhiễu và thay thế bằng tập dữ liệu mới, lựa chọn các đặc trưng quan trọng. Việc thay thế toàn bộ dữ liệu nhiễu bằng một tập dữ liệu mới là không thực tế và không khả thi trong hầu hết các tình huống. Lựa chọn các đặc trưng quan trọng thì có liên quan đến giảm nhiễu.

Phương án D: Sử dụng các thuật toán phân lớp, phân cụm, tìm luật kết hợp. Các thuật toán này không trực tiếp loại bỏ dữ liệu nhiễu. Chúng có thể bị ảnh hưởng bởi dữ liệu nhiễu, nhưng không phải là phương pháp để loại bỏ nó.

Do đó, phương án B là đáp án chính xác nhất, vì nó mô tả các phương pháp trực tiếp liên quan đến việc xác định và loại bỏ dữ liệu nhiễu.

Câu 21:

Khi xử lý thiếu giá trị của các bản ghi dữ liệu, phương pháp "Bỏ qua bản ghi có giá trị thiếu" chỉ thích hợp khi:

Lời giải:

Đáp án đúng: A

Phương pháp "Bỏ qua bản ghi có giá trị thiếu" chỉ nên được sử dụng khi số lượng bản ghi bị thiếu giá trị chiếm tỷ lệ nhỏ so với tổng số bản ghi. Nếu tỷ lệ này lớn, việc loại bỏ chúng có thể dẫn đến mất mát thông tin quan trọng và làm sai lệch kết quả phân tích. Các lựa chọn C và D không phù hợp vì chúng quá cực đoan. Lựa chọn B sai vì nếu tỷ lệ bản ghi thiếu lớn thì không nên bỏ qua.

Câu 22:

Cho cơ sở dữ liệu giao dịch gồm N giao dịch (bản ghi). I là tập chứa tất cả các mục (item) trong CSDL. X là một tập chứa các mục thuộc I. Giao dịch hỗ trợ X là giao dịch chứa tất cả các mục có trong X. Độ hỗ trợ của tập mục X được định nghĩa là:

Lời giải:

Đáp án đúng: A

Độ hỗ trợ (support) của một tập mục X trong khai phá luật kết hợp được định nghĩa là tỷ lệ các giao dịch trong cơ sở dữ liệu chứa tập mục X. Công thức chính xác là: Support(X) = (Số lượng giao dịch chứa X) / (Tổng số giao dịch trong CSDL). Do đó, đáp án A là chính xác.

Câu 23:

Cho CSDL giao dịch như hình vẽ. Các tập mục thường xuyên có 1 mục thỏa mãn Min_Supp là:

Lời giải:

Đáp án đúng: A

Câu hỏi yêu cầu xác định tập mục thường xuyên có 1 mục (itemset có kích thước bằng 1) thỏa mãn ngưỡng Min_Supp. Min_Supp là ngưỡng hỗ trợ tối thiểu. Để trả lời câu hỏi này, ta cần đếm số lần xuất hiện của mỗi mục trong CSDL giao dịch và so sánh với Min_Supp. Tuy nhiên, câu hỏi không cung cấp giá trị cụ thể của Min_Supp, do đó ta sẽ chọn đáp án liệt kê số lần xuất hiện của các mục. Phương án A có vẻ đầy đủ nhất, tuy nhiên có sự lặp lại (C:4, C:3). Các phương án còn lại thiếu thông tin. Do đó, ta cần chọn đáp án liệt kê tần suất xuất hiện của các itemset có độ dài bằng 1, và có lẽ nó thỏa mãn một ngưỡng min_supp nào đó (chúng đều >= 3).

Câu 24:

Cho A, B, C, D là các item và A-->BC là luật kết hợp thỏa mãn độ hỗ trợ tối thiểu Min_Sup và độ tin cậy tối thiểu Min_Conf. Hãy cho biết luật kết hợp nào sau đây chắc chắn thỏa mãn Min_Sup và Min_Conf mà không cần phải tính độ hỗ trợ và độ tin cậy:

Lời giải:

Đáp án đúng: A

Given the association rule A-->BC holds with minimum support (Min_Sup) and minimum confidence (Min_Conf), we need to determine which of the following rules is guaranteed to hold. Since A-->BC holds, we know Sup(A ∪ BC) >= Min_Sup and Conf(A-->BC) = Sup(A ∪ BC) / Sup(A) >= Min_Conf. Therefore, Sup(A ∪ B ∪ C) >= Min_Sup.

A) AB-->C: To determine if AB-->C holds, we need to check if Sup(AB ∪ C) >= Min_Sup and Conf(AB-->C) = Sup(AB ∪ C) / Sup(AB) >= Min_Conf. We know Sup(A ∪ B ∪ C) >= Min_Sup. However, Sup(AB) could be very small, making the confidence low. Also, we don't know if Sup(AB ∪ C) >= Min_Sup.

B) A-->D: This rule involves item D, which is not in the original rule A-->BC. Therefore, we can't determine if this rule holds.

C) ABD-->C: This rule requires Sup(ABD ∪ C) >= Min_Sup and Conf(ABD-->C) = Sup(ABD ∪ C) / Sup(ABD) >= Min_Conf. Similar to option A, the addition of D can affect the support. Also, because Sup(ABD) is likely smaller than Sup(A), the Confidence may be greater or smaller depending on whether Support (ABCD) is smaller by a lot

D) D-->C: This rule involves item D, which is not in the original rule A-->BC. Therefore, we can't determine if this rule holds.

None of the options can be guaranteed to be correct.

Câu 25:

Trong thuật toán Apriori, tập mục chứa k-item được tạo ra bằng cách nào trong các cách sau:

Lời giải: