Học máy 3

Học có giám sát là gì?

• Học từ dữ liệu không gắn nhãn
• Học từ dữ liệu có nhãn để dự đoán đầu ra
• Học mà không cần dữ liệu
• Học bằng cách tăng cường phản hồi từ môi trường

Mục tiêu của việc tối ưu hàm mất mát là gì?

• Tăng giá trị hàm mất mát
• Giảm sai số dự đoán của mô hình
• Giữ nguyên trọng số mô hình
• Tăng số chiều của dữ liệu

Hệ số w mô hình hồi quy tuyến tính có ý nghĩa gì?

• Giá trị sai số của mô hình
• Độ lệch trung bình
• Mức độ ảnh hưởng của biến đầu vào đến đầu ra
• Số chiều của đầu vào

Gradient Descent trong hồi quy tuyến tính nhằm:

• Tối đa hóa sai số
• Tăng kích thước dữ liệu
• Tìm điểm cực đại của hàm mất mát
• Tìm giá trị tối ưu để giảm sai số

Khi mô hình hồi quy tuyến tính có hệ số w = 0 điều gì xảy ra?

• Đầu ra luôn bằng 0
• Đầu ra chỉ phụ thuộc vào b
• Dự đoán hoàn toàn sai
• Hàm mất mát bằng 0

Mean Squared Error (MSE) được tính bằng công thức nào?

• 
• 
• 
• 

Điều chuẩn (Regularization) trong hồi quy tuyến tính có mục đích chính là gì?

• Tăng số chiều dữ liệu
• Giảm sai số huấn luyện
• Ngăn ngừa quá khớp và cải thiện khả năng tổng quát
• Tăng độ phức tạp mô hình

Điều chuẩn L1 (Lasso) sử dụng đại lượng nào trong hàm mất mát?

• Tổng bình phương trọng số
• Tổng các giá trị tuyệt đối của trọng số
• Độ chính xác
• Tổng các trọng số dương

Khi nào nên sử dụng điều chuẩn trong hồi quy tuyến tính?

• Khi mô hình không hội tụ
• Khi xảy ra hiện tượng quá khớp
• Khi mô hình có quá nhiều dữ liệu
• Khi dữ liệu thiếu nhãn

Điều nào sau đây mô tả đúng về Lasso Regression?

• Là biến thể sử dụng điều chuẩn L2
• Không ảnh hưởng đến bất kỳ trọng số nào
• Có thể làm cho một số trọng số bằng 0
• Không sử dụng điều chuẩn