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?

n bảng con

2 bảng con

Không phải chia

Thành nhiều bảng tùy theo giá trị của n

Trả lời:

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.

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 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:

Đáp án đúng: A

Thuật toán liên kết đơn (Single Linkage) là một phương pháp phân cụm dựa trên khoảng cách gần nhất giữa các phần tử trong các cụm khác nhau. Bước đầu tiên của thuật toán là tìm hai phần tử có khoảng cách nhỏ nhất và gom chúng thành một cụm. Để xác định hai phần tử nào được chọn, ta cần tính khoảng cách giữa tất cả các cặp phần tử và chọn cặp có khoảng cách nhỏ nhất. Tuy nhiên, câu hỏi không cung cấp thông tin về khoảng cách giữa các phần tử x1, x2, x3, x5. Do đó, không thể xác định chính xác cặp phần tử nào được chọn ở bước đầu tiên. Tuy nhiên, theo quy ước, nếu không có thông tin cụ thể, ta thường bắt đầu so sánh các phần tử theo thứ tự xuất hiện. Vì vậy, giả sử x1 và x2 là hai phần tử đầu tiên được so sánh và nếu khoảng cách giữa chúng là nhỏ nhất trong số các cặp được liệt kê trong các đáp án, thì x1 và x2 sẽ được chọn.

Câu 16:

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

Lời giải: