Khi chọn 1 thuộc tính A để làm gốc cây quyết định. Nếu thuộc tính A có 3 giá trị thì cây quyết định có bao nhiêu nhánh?

3 nhánh

2 nhánh

Nhiều nhánh

Phải biết kết luận C có bao nhiêu giá trị thì mới phân nhánh được

Trả lời:

Đáp án đúng: A

Cây quyết định phân nhánh dựa trên các giá trị của thuộc tính được chọn làm gốc. Mỗi giá trị của thuộc tính sẽ tạo ra một nhánh riêng biệt. Vì thuộc tính A có 3 giá trị, nên cây quyết định sẽ có 3 nhánh, mỗi nhánh đại diện cho một giá trị của thuộc tính A.

150+ câu hỏi trắc nghiệm Khai phá dữ liệu đầy đủ đáp án và lời giải - Phần 3

50 câu hỏi 60 phút

Bắt đầu thi

Câu hỏi liên quan

Câu 10:

Sử dụng thuật toán ILA, khi kết luận C có n giá trị thì ta cần chia bảng chứa các ví dụ học thành mấy bảng con?

Lời giải:

Đáp án đúng: A

Thuật toán ILA (Inductive Learning Algorithm) là một thuật toán học quy nạp. Trong quá trình hoạt động, nếu kết luận C có n giá trị, thì ta cần chia bảng chứa các ví dụ học thành n bảng con, mỗi bảng con tương ứng với một giá trị của C. Do đó, đáp án chính xác là A.

Câu 11:

Thuật ngữ tiếng Anh nào có nghĩa là "Phân lớp dữ liệu"?

Lời giải:

Đáp án đúng: A

"Phân lớp dữ liệu" trong tiếng Anh được gọi là "Data Classification". Đây là quá trình phân loại dữ liệu vào các nhóm khác nhau dựa trên các thuộc tính hoặc đặc điểm chung của chúng. Các lựa chọn khác có ý nghĩa khác: Data Clustering là gom nhóm dữ liệu dựa trên sự tương đồng, Data Mining là khai thác dữ liệu, và Association Rule là luật kết hợp.

Câu 12:

Có bao nhiêu thuật toán phân cụm?

Lời giải:

Đáp án đúng: A

Có rất nhiều thuật toán phân cụm khác nhau, mỗi thuật toán có ưu điểm và nhược điểm riêng. Các thuật toán như Liên kết đơn, Liên kết đầy đủ và k-means chỉ là một vài ví dụ trong số rất nhiều thuật toán phân cụm hiện có. Vì vậy, đáp án A là chính xác nhất.

Câu 13:

Trong thuật toán phân cụm k-mean, ban đầu k tâm được chọn như thế nào?

Lời giải:

Đáp án đúng: A

Trong thuật toán k-means, việc khởi tạo các tâm cụm ban đầu (k tâm) thường được thực hiện bằng cách chọn ngẫu nhiên k điểm dữ liệu từ tập dữ liệu đầu vào. Việc chọn ngẫu nhiên này giúp đảm bảo tính đa dạng ban đầu và tránh việc thuật toán bị mắc kẹt trong các cực trị cục bộ. Các phương án khác không phải là cách tiếp cận chuẩn trong k-means:
- Chọn k phần tử nằm ở tâm (phương án B) không khả thi vì 'tâm' của dữ liệu chưa được xác định trước khi thuật toán chạy.
- Chọn k phần tử có giá trị nhỏ nhất (phương án C) hoặc bằng giá trị trung bình (phương án D) có thể dẫn đến kết quả phân cụm không tối ưu, vì các điểm này có thể không đại diện cho cấu trúc tổng thể của dữ liệu.

Câu 14:

Cho tập dữ liệu X = {x1, x2, x3, x4, x5} và ma trận không tương tự như hình. Khoảng cách giữa 2 phần tử x1 và x2 bằng bao nhiêu?

Lời giải:

Đáp án đúng: A

Đề bài cho ma trận không tương tự (dissimilarity matrix) của tập dữ liệu X = {x1, x2, x3, x4, x5}. Ma trận này thể hiện khoảng cách giữa các cặp phần tử trong tập dữ liệu. Để tìm khoảng cách giữa x1 và x2, ta xem giá trị tại vị trí hàng x1, cột x2 (hoặc ngược lại, vì ma trận không tương tự thường đối xứng). Trong ma trận (mặc dù không được hiển thị trực quan ở đây), nếu giá trị tại vị trí đó là 1, thì khoảng cách giữa x1 và x2 là 1.

Câu 15:

Sử dụng thuật toán liên kết đơn (Single Linkage), bước đầu tiên 2 phần tử nào được chọn để gom thành 1 cụm?

Lời giải: