Data Mining Chapter 5

ข้อใดเป็นตัวแบบของการทำ classification

• Deep Learning

• Decision Tree

• Support Vector Machine

• K-means

• Apriori

เพราะเหตุใด K-nearest neighbor จึงเป็น lazy learning

• ไม่มีการนำข้อมูลมาแปลงให้อยู่ในรูปแบบอื่นๆ ต้องบันทึกข้อมูลทั้งหมดไว้ใช้

• classify ข้อมูลไม่ทราบค่าได้อย่างรวดเร็ว ไม่ต้องคำนวณค่า

• ไม่ต้องการพารามิเตอร์ในการสร้างตัวแบบ

• ใช้เวลาในการเรียนรู้ไม่มาก

ข้อใดไม่ใช่พารามิเตอร์ของ K-nearest Neighbor

• จำนวนค่า K

• ชนิดของฟังก์ชันระยะทางที่ใช้

• จำนวนคุณลักษณะที่ใช้

• จำนวนคลาสของข้อมูล

หลักการทำนายคลาสข้อมูลของ K-nearest Neighbor คืออะไร

• เลือกจากคลาสของข้อมูลที่ใกล้ที่สุด

• เทียบจำนวนข้อมูลที่มีคลาสเดียวกับข้อมูลที่พิจารณา ใน k ตัวแรกกับค่าที่กำหนด

• เลือกจากคลาสส่วนใหญ่ของข้อมูลใกล้ที่สุด k อันดับแรก

• เลือกจากคลาสส่วนใหญ่ของข้อมูล k ตัวใดๆ

จำนวนข้อมูลที่มีคลาสจริงๆเป็น negative แต่ถูกทำนายผิด เรียกว่าอะไร

• True positive

• True negative

• False positive

• False negative

TP/(TP+FP) เป็นสูตรของตัววัดชนิดใด

• precision

• F1-score

• recall

• accuracy

ROC curve เป็นกราฟที่พล็อตระหว่างค่าของอะไร

• False Positive rate

• True Positive rate

• Precision

• Accuracy

เงื่อนไขใด จำเป็นในการประเมินตัวแบบด้วย Area under ROC

• ตัวแบบนั้น ต้องมีการให้ค่า probability ของการทำนายคลาส positive

• ตัวแบบนั้น ต้องใช้ได้กับข้อมูล 2 คลาสเท่านั้น

• ตัวแบบนั้น ต้องสามารถแสดงด้วยแผนภาพได้

• ตัวแบบนั้น ต้องสร้างจากข้อมูลมากกว่า 30 ตัว

ข้อใดจริงเกี่ยวกับการทำ 5-fold cross validation

• เป็นการแบ่งข้อมูล train : test ในอัตราส่วน 80:20 จำนวน 5 ครั้ง

• ข้อมูลแต่ละตัว มีโอกาสเป็น test set ได้มากกว่า 1 ครั้ง

• นำผลลัพธ์ที่ได้ทั้ง 5 ครั้ง มาทำการเฉลี่ย

• เป็นแนวคิดในการประเมินตัวแบบ supervised learning

Ensemble method ถูกใช้เพื่อเหตุผลใด

• ปรับปรุงประสิทธิภาพของตัวแบบให้เรียนรู้จากการทำนายผิดพลาดก่อนหน้าได้

• ลดเวลาในการสร้างตัวแบบ

• ใช้ข้อมูลที่มีจำนวนมากได้คุ้มค่า

• ช่วยเพิ่มประสิทธิภาพการทำนายในข้อมูลลักษณะเฉพาะ