Trắc Nghiệm Hồi Quy

Hồi quy tuyến tính (Linear Regression) là kỹ thuật:

• Phân loại dữ liệu

• Dự đoán giá trị liên tục

• Dự đoán nhãn rời rạc

• Giảm số chiều dữ liệu

Mục tiêu của Linear Regression là:

• Tối thiểu hóa sai số phân loại

• Tối đa hóa độ chính xác

• Tối thiểu hóa tổng bình phương sai số (MSE)

• Cả A và B

Lệnh nào sau đây là để khởi tạo mô hình Linear Regression trong sklearn?

• model = LinearRegressor()

• model = LinearRegression()

• model = Linear()

• model = RegModel()

Để đánh giá độ chính xác của mô hình hồi quy, ta KHÔNG dùng:

• MAE

• MSE

• Accuracy

• R² Score

Điều kiện để mô hình Linear Regression hoạt động hiệu quả nhất là gì?

• Dữ liệu phân bố chuẩn

• Biến độc lập không có quan hệ tuyến tính

• Biến độc lập độc lập với nhau

• Biến phụ thuộc phải là nhị phân

Ridge Regression thêm điều kiện phạt nào vào hàm mất mát?

• L1

• L2

• ElasticNet

• Không thêm gì cả

Trong Lasso Regression, hệ số của các đặc trưng không quan trọng sẽ:

• Giữ nguyên

• Trở thành 0

• Tăng lên

• Được chuẩn hóa

Khi nào nên sử dụng Polynomial Regression?

• Dữ liệu có quan hệ tuyến tính

• Dữ liệu nhiễu nhiều

• Dữ liệu có quan hệ phi tuyến

• Khi dữ liệu bị thiếu

Regression?

• Dữ liệu có quan hệ tuyến tính

• Dữ liệu nhiễu nhiều

• Dữ liệu có quan hệ phi tuyến

• Khi dữ liệu bị thiếu

Mô hình PolynomialFeatures dùng để:

• Thêm tương tác giữa các biến

• Tăng số chiều dữ liệu

• Biến đổi dữ liệu tuyến tính thành phi tuyến

• Cả 3 đáp án trên