Lựa chọn nào sau đây không phải là một bước trong quy trình khai thác dữ liệu?

Data Understanding

Data Preparation

Data Mining

Evaluation

Trả lời:

Đáp án đúng: C

Quy trình khai thác dữ liệu (Data Mining) thường bao gồm các bước chính sau: hiểu dữ liệu (Data Understanding), chuẩn bị dữ liệu (Data Preparation), khai thác dữ liệu (Data Mining), đánh giá (Evaluation) và triển khai (Deployment). Tuy nhiên, bản thân 'Data Mining' là một bước trong quy trình, chứ không phải là một phần của việc xác định các bước trong quy trình. Vì vậy, đáp án C không phải là một bước trong quy trình khai thác dữ liệu.

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 36:

Thuộc tính “Loại khách hàng” có hai giá trị: “VIP”, “Premium” và “Economic” là thuộc tính thuộc kiểu dữ liệu nào sau đây?

Lời giải:

Đáp án đúng: D

Thuộc tính "Loại khách hàng" với các giá trị "VIP", "Premium" và "Economic" thể hiện một thứ tự hoặc cấp bậc nhất định (VIP > Premium > Economic). Vì vậy, đây là thuộc tính kiểu dữ liệu xếp hạng/thứ tự. Các giá trị có một sự so sánh về mặt giá trị (ví dụ, khách hàng VIP có giá trị cao hơn khách hàng Economic). * **Liên tục:** Dữ liệu liên tục có thể nhận bất kỳ giá trị nào trong một phạm vi nhất định (ví dụ: nhiệt độ, chiều cao). * **Rời rạc:** Dữ liệu rời rạc chỉ có thể nhận một số hữu hạn các giá trị (ví dụ: số lượng phòng trong một căn nhà). * **Định danh:** Dữ liệu định danh được sử dụng để gán nhãn hoặc phân loại các đối tượng, nhưng không có bất kỳ thứ tự hoặc thứ hạng nào (ví dụ: màu sắc, tên sản phẩm).

Câu 37:

Tiền xử lý dữ liệu không bao gồm các bước nào sau đây?

Lời giải:

Đáp án đúng: C

Tiền xử lý dữ liệu là quá trình chuẩn bị dữ liệu thô để làm cho nó phù hợp hơn cho các mô hình và thuật toán học máy. Quá trình này thường bao gồm các bước như làm sạch dữ liệu (xử lý các giá trị bị thiếu, nhiễu), chuyển đổi dữ liệu (ví dụ: chuẩn hóa, rời rạc hóa), và rút gọn dữ liệu (giảm chiều dữ liệu). Thu thập dữ liệu là một bước riêng biệt, diễn ra *trước* khi tiền xử lý dữ liệu. Vì vậy, thu thập dữ liệu không thuộc các bước của tiền xử lý dữ liệu.

Câu 38:

Khi nào thì ta cần rời rạc hóa dữ liệu?

Lời giải:

Đáp án đúng: B

Rời rạc hóa dữ liệu (discretization) là quá trình chuyển đổi dữ liệu từ dạng liên tục (ví dụ: số thực) sang dạng rời rạc (ví dụ: các khoảng giá trị hoặc các nhóm). Việc này thường được thực hiện khi dữ liệu thuộc kiểu số học (numerical data) và ta muốn chuyển nó sang dạng phù hợp hơn cho một số thuật toán học máy hoặc phân tích dữ liệu, đặc biệt là những thuật toán hoạt động tốt hơn với dữ liệu phân loại. Ví dụ, một thuật toán có thể hoạt động tốt hơn với các nhóm tuổi (trẻ, trung niên, già) thay vì độ tuổi chính xác. Các lựa chọn khác không phải là lý do chính để rời rạc hóa dữ liệu. Dữ liệu thiếu cần được xử lý bằng các phương pháp khác. Dữ liệu định danh đã là rời rạc. Dữ liệu nhị phân cũng đã là rời rạc.

Câu 39:

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

Lời giải:

Đáp án đúng: D

Thuật toán phân lớp được sử dụng trong quá trình huấn luyện (training) mô hình. Trong quá trình huấn luyện, thuật toán sẽ học từ dữ liệu huấn luyện để xây dựng một mô hình có khả năng phân loại các đối tượng mới. Các quá trình kiểm thử, đánh giá và dự đoán sử dụng mô hình đã được huấn luyện.

Câu 40:

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 nhiều kiểu dữ liệu khác nhau (numerical, categorical) mà không cần chuẩn hóa dữ liệu. Các thuật toán khác như SVM, Logistic Regression thường yêu cầu dữ liệu numerical và có thể cần chuẩn hóa. Mạng nơ-ron cũng có thể xử lý nhiều kiểu dữ liệu, nhưng việc thiết kế kiến trúc mạng phù hợp cho các kiểu dữ liệu khác nhau có thể phức tạp hơn so với cây quyết định.

Câu 41:

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: