Kiểm tra Chương 5: Học Mô Hình Tham Số

Ví dụ của parametric models

• Linear Regression

• K-Means Clustering

• Decision Tree

• Support Vector Machine

Early stopping là gì?

• Kỹ thuật giảm overfitting

• Kỹ thuật tăng tốc độ huấn luyện mô hình

• Kỹ thuật dừng sớm trong quá trình huấn luyện mô hình

• Kỹ thuật chọn mô hình tốt nhất

Regularization để làm gì?

• Chọn mô hình tốt nhất

• Tăng độ chính xác

• Giảm overfitting

• Tăng tốc độ huấn luyện

Robustness của 1 model có ý nghĩa gì?

• Khả năng chọn mô hình tốt nhất

• Khả năng dự đoán chính xác 100%

• Khả năng huấn luyện nhanh chóng

• Khả năng chịu đựng nhiễu và biến động trong dữ liệu

Ví dụ 3 loss functions có thể dùng cho bài toán classification

• Absolute Error

• Huber Loss

• Mean Squared Error

• Cross Entropy Loss

Ví dụ 3 loss functions có thể dùng cho regression

• Log Loss

• Cross Entropy Loss

• Mean Squared Error

• Hinge Loss

Ví dụ loss function dùng cho multiclass classification

• Hinge Loss

• Huber Loss

• Cross Entropy Loss

• Mean Absolute Error

Kể tên các loại regularization

• L2 Regularization

• L1 Regularization

• Ridge Regression

• Elastic Net

Gradient descent hoạt động như thế nào?

• Chỉ cập nhật một lần

• Chỉ cập nhật khi hàm mất mát đạt giá trị nhỏ nhất

• Không cần tính đạo hàm

• Cập nhật từng bước theo đạo hàm của hàm mất mát

Stochastic gradient descent là gì?

• Phiên bản không cần cập nhật

• Phiên bản chính xác của gradient descent

• Phiên bản tăng tốc của gradient descent

• Phiên bản ngẫu nhiên của gradient descent