Khi nào thì ta cần rời rạc hóa dữ liệu:

Dữ liệu bị thiếu

Dữ liệu thuộc kiểu số học

Dữ liệu thuộc kiểu định danh

Dữ liệu thuộc kiểu nhị phân

Trả lời:

Đáp án đúng: B

Rời rạc hóa dữ liệu (discretization) là quá trình chuyển đổi dữ liệu liên tục (ví dụ: dữ liệu số học) thành dữ liệu rời rạc (ví dụ: các khoảng giá trị). Điều này thường được thực hiện khi các thuật toán hoặc mô hình phân tích dữ liệu hiệu quả hơn với dữ liệu rời rạc, hoặc khi cần đơn giản hóa dữ liệu để dễ hiểu và xử lý hơn. Trong các lựa chọn trên, chỉ có dữ liệu thuộc kiểu số học là cần rời rạc hóa.

100+ câu hỏi trắc nghiệm Khoa học dữ liệu trong kinh tế và kinh doanh có đáp án giải thích dễ hiểu - Phần 1

50 câu hỏi 60 phút

Bắt đầu thi

Câu hỏi liên quan

Câu 10:

Phân lớp dữ liệu là thuộc phương pháp:

Lời giải:

Đáp án đúng: C

Phân lớp dữ liệu (classification) là một phương pháp học có giám sát (supervised learning). Trong học có giám sát, mô hình được huấn luyện trên một tập dữ liệu đã được gán nhãn, tức là mỗi điểm dữ liệu đã được xác định thuộc về một lớp cụ thể. Mục tiêu của mô hình là học cách ánh xạ từ các đặc trưng của dữ liệu đến các nhãn lớp này, để sau đó có thể dự đoán nhãn cho các điểm dữ liệu mới chưa được gán nhãn. Các phương pháp không giám sát thì không sử dụng dữ liệu đã được gán nhãn trước.

Câu 11:

Thuật toán phân lớp tham gia vào quá trình nào sau đây trong mô hình phân lớp dữ liệu:

Lời giải:

Đáp án đúng: A

Thuật toán phân lớp được sử dụng trong quá trình huấn luyện (training) của mô hình phân lớp dữ liệu. Trong quá trình huấn luyện, thuật toán học từ dữ liệu huấn luyện (training data) để xây dựng một mô hình có khả năng phân loại dữ liệu mới. Các giai đoạn kiểm thử (testing), đánh giá (evaluation), và dự đoán (prediction) sử dụng mô hình đã được huấn luyện, chứ không trực tiếp sử dụng thuật toán phân lớp để thực hiện.

Câu 12:

Thuật toán phân lớp nào sau đây cho phép xử lý trên nhiều kiểu/loại dữ liệu khác nhau:

Lời giải:

Đáp án đúng: B

Cây quyết định có thể xử lý cả dữ liệu số và dữ liệu phân loại (categorical data) một cách tự nhiên. Các thuật toán khác như SVM và Logistic Regression thường yêu cầu dữ liệu số hoặc cần biến đổi dữ liệu phân loại thành dạng số trước khi sử dụng. Mạng nơ ron cũng có thể xử lý nhiều loại dữ liệu nhưng thường cần bước tiền xử lý phức tạp hơn. Do đó, cây quyết định là lựa chọn phù hợp nhất khi muốn xử lý nhiều kiểu dữ liệu khác nhau một cách trực tiếp.

Câu 13:

Đối với bài toán phân lớp đa nhãn thì chỉ số đánh giá nào thường được dùng để đánh giá độ hiệu quả của mô hình phân lớp:

Lời giải:

Đáp án đúng: C

Trong bài toán phân lớp đa nhãn (multi-label classification), một mẫu có thể thuộc nhiều lớp khác nhau. Các chỉ số đánh giá như Precision, Recall và F1-score thường được sử dụng để đánh giá hiệu quả của mô hình. Tuy nhiên, chúng cần được điều chỉnh để phù hợp với bài toán đa nhãn. Accuracy không phù hợp trong trường hợp này vì nó đánh giá xem một mẫu được dự đoán chính xác vào một lớp duy nhất hay không, trong khi trong phân lớp đa nhãn, một mẫu có thể thuộc nhiều lớp.

- Precision đo lường tỷ lệ các nhãn được dự đoán là đúng trong số tất cả các nhãn mà mô hình dự đoán. - Recall đo lường tỷ lệ các nhãn thực tế của một mẫu được mô hình dự đoán chính xác. - F1-score là trung bình điều hòa của Precision và Recall, cung cấp một đánh giá tổng thể về hiệu suất của mô hình. Vì Precision, Recall và F1-score đều quan trọng trong đánh giá mô hình phân lớp đa nhãn, F1-score thường được dùng để đánh giá tổng quan nhất vì nó cân bằng giữa Precision và Recall.

Câu 14:

Giá trị a[i;j] trong ma trận nhầm lẫn (confusion matrix) cho biết:

Lời giải:

Đáp án đúng: B

Ma trận nhầm lẫn (confusion matrix) là một công cụ được sử dụng để đánh giá hiệu suất của một mô hình phân loại. Trong ma trận này, a[i, j] biểu thị số lượng các mẫu thực tế thuộc lớp i mà mô hình đã dự đoán là thuộc lớp j. Vì vậy, đáp án đúng là "Số lượng mẫu i được phân nhầm vào mẫu j".

Câu 15:

Phương pháp chọn mẫu dữ liệu nào sau đây dùng để khắc phục tinh trạng over-fitting:

Lời giải: