Quiz về Thuật toán ID3

Thuật toán ID3 được giới thiệu bởi ai?

• John McCarthy

• Alan Turing

• Ross Quinlan

• Geoffrey Hinton

Thuật toán ID3 sử dụng thông tin gì để chọn thuộc tính phân chia dữ liệu?

• Entropy và Information Gain

• Probability và Likelihood

• Decision Boundary

• Gradient và Loss Function

Entropy đo lường điều gì trong thuật toán ID3?

• Mức độ chính xác của mô hình

• Mức độ không chắc chắn của tập dữ liệu

• Mức độ phân tán của dữ liệu

• Sự tương quan giữa các thuộc tính

Công thức tính entropy trong ID3 sử dụng xác suất của đối tượng nào?

• Các lớp trong tập dữ liệu

• Các thuộc tính của dữ liệu

• Các giá trị phân loại của thuộc tính

• Các giá trị của Information Gain

Information Gain được tính như thế nào trong ID3?

• Sự giảm độ không chắc chắn sau khi phân chia dữ liệu

• Mức độ phân tách của các lớp dữ liệu

• Mức độ khớp giữa các giá trị thuộc tính

• Mức độ phù hợp giữa các lớp và thuộc tính

Thuật toán ID3 chọn thuộc tính nào để phân chia dữ liệu?

• Thuộc tính có độ phân tách tốt nhất

• Thuộc tính có giá trị phân loại cao nhất

• Thuộc tính có độ phức tạp thấp nhất

• Thuộc tính có Information Gain cao nhất

Đâu là một nhược điểm của thuật toán ID3?

• Khó xử lý dữ liệu rời rạc

• Dễ bị overfitting

• Không thể xử lý dữ liệu nhỏ

• Không thể xử lý các thuộc tính phân loại

Trong thuật toán ID3, nếu tập con rỗng, thuật toán sẽ làm gì?

• Dừng lại và không phân chia thêm

• Chọn một thuộc tính ngẫu nhiên

• Tính lại entropy

• Phân chia lại dữ liệu

Cây quyết định trong thuật toán ID3 được xây dựng như thế nào?

• Mỗi nút là một giá trị và nhánh là thuộc tính phân loại

• Mỗi nút chứa một lớp và mỗi nhánh là một giá trị của lớp

• Mỗi nút là một lớp và nhánh là thuộc tính

• Mỗi nút chứa một thuộc tính và mỗi nhánh chứa một giá trị của thuộc tính đó

ID3 sử dụng gì để tính độ thuần khiết của tập con?

• Entropy và Information Gain

• Gini index

• Cross entropy

• Log loss