100+ câu trắc nghiệm Học máy có đáp án - Phần 4

A. Activation layer

B. Dropout layer

C. Pooling layer

D. Dense layer

A. Tất cả các feature đều được chọn

B. Chỉ một subset ngẫu nhiên của các feature được chọn

C. Chỉ feature có độ quan trọng cao được chọn

D. Feature được chọn dựa trên tần suất xuất hiện trong dữ liệu huấn luyện

A. R² Score

B. Mean Absolute Error (MAE)

C. Confusion Matrix

D. Root Mean Squared Error (RMSE)

A. Sigmoid

B. Tanh

C. ReLU

D. Leaky ReLU

A. Phân loại

B. Hồi quy

C. Gom cụm

D. Phân tích dữ liệu thô

A. Principal Component Analysis (PCA)

B. Linear Discriminant Analysis (LDA)

C. Support Vector Machine (SVM)

D. Naive Bayes Classifier

A. Mô hình phản ứng quá mức với dữ liệu huấn luyện

B. Mô hình không đủ phức tạp để hiểu dữ liệu

C. Mô hình không thể học từ dữ liệu

D. Mô hình không thể tổng quát hóa từ dữ liệu

A. Sử dụng kích thước batch lớn

B. Sử dụng learning rate nhỏ

C. Thêm dữ liệu huấn luyện

D. Tăng số lượng epoch

A. Nó làm giảm độ chệch (bias) của mô hình

B. Nó giữ nguyên giá trị âm

C. Nó không bị sự mất mát gradient khi huấn luyện

D. Nó không thể giải quyết được vấn đề overfitting

A. Accuracy

B. Precision

C. Recall

D. F1-score

A. Tầng input

B. Tầng hidden

C. Tầng output

D. Tầng convolutional

A. K-means

B. Linear Regression

C. Decision Tree

D. KNN (K-Nearest Neighbors)

A. Tăng số lượng epoch

B. Sử dụng learning rate lớn

C. Thêm dữ liệu huấn luyện

D. Giảm số lượng epoch

A. Khả năng hiểu được thông tin ngắn hạn

B. Khả năng ghi nhớ thông tin dài hạn

C. Khả năng xử lý chuỗi với độ dài biến đổi

D. Khả năng giảm thiểu hiện tượng overfitting

A. Accuracy, Precision, Recall

B. Mean Squared Error, Root Mean Squared Error

C. Mean Absolute Error, R-squared

D. F1-score, ROC-AUC

A. TensorFlow

B. Scikit-learn

C. Pandas

D. Matplotlib

A. Random Forest

B. Gradient Descent

C. K-means Clustering

D. Naive Bayes

A. Sigmoid

B. Tanh

C. ReLU (Rectified Linear Unit)

D. Softmax

A. Fully Connected Layer

B. Pooling Layer

C. Convolutional Layer

D. Dropout Layer

A. Số lượng cụm cần phải xác định trước

B. Số lượng cụm được xác định dựa trên dữ liệu đầu vào

C. Không cần quan tâm đến số lượng cụm

D. Số lượng cụm được xác định bởi các tham số ngẫu nhiên

A. 2

B. 5

C. 6

D. 3

A. L2 = numpy.remove_duplicate(L1)

B. L2 = L1.remove_duplicate()

C. L2 = list.remove_duplicate(L1)

D. L2 = list(set(L1))

A. EOFError

B. IndexError

C. KeyError

D. LoopError

A. comp()

B. eq()

C. equal()

D. ne()

A. Sử dụng hàm static()

B. Sử dụng chỉ dẫn @staticmethod

C. Sử dụng chỉ dẫn @classmethod

D. Python không có phương thức tĩnh

A. Mở tệp và cho phép bổ sung vào cuối tệp

B. Mở tệp để đọc hoặc ghi

C. Mở tệp để đọc

D. Mở tệp để ghi

A. "x = x / x.mean(axis=1) x = x / x.std(axis=1)"

B. "x = x / x.mean(axis=0) x = x / x.std(axis=0)"

C. "x = x – x.mean(axis=0) x = x / x.std(axis=0)"

D. "x = x – x.mean(axis=1) x = x / x.std(axis=0)"

A. numpy.nan_median()

B. numpy.median()

C. numpy.mediannan()

D. numpy.nanmedian()