Bài Tập, Đề Thi Trắc Nghiệm Online - Môn Học Máy bao gồm nhiều câu hỏi hay, bám sát chương trình. Cùng làm bài tập trắc nghiệm ngay.
Câu 1: Bạn có một tập dữ liệu lớn về hồ sơ khách hàng của một công ty thương mại điện tử, bao gồm lịch sử duyệt web, lịch sử mua hàng và thông tin nhân khẩu học. Mục tiêu là phân khúc khách hàng thành các nhóm khác nhau để cá nhân hóa chiến dịch marketing. Phương pháp học máy nào phù hợp nhất cho nhiệm vụ này?
- A. Học có giám sát (Supervised Learning) - Phân loại
- B. Học tăng cường (Reinforcement Learning)
- C. Học không giám sát (Unsupervised Learning) - Phân cụm
- D. Học bán giám sát (Semi-supervised Learning)
Câu 2: Trong bài toán dự đoán giá nhà dựa trên các đặc trưng như diện tích, vị trí, số phòng ngủ, phương pháp đánh giá nào phù hợp nhất để đo lường hiệu suất của mô hình hồi quy?
- A. Độ chính xác (Accuracy)
- B. RMSE (Root Mean Squared Error)
- C. F1-score
- D. AUC-ROC
Câu 3: Một mô hình học máy đạt độ chính xác 98% trên tập huấn luyện nhưng chỉ 80% trên tập kiểm tra. Hiện tượng này được gọi là gì và biện pháp nào sau đây có thể giúp giảm thiểu vấn đề này?
- A. Underfitting; Tăng độ phức tạp của mô hình
- B. Bias cao; Thu thập thêm dữ liệu huấn luyện
- C. Variance thấp; Sử dụng mô hình phức tạp hơn
- D. Overfitting; Sử dụng kỹ thuật Regularization
Câu 4: Trong mạng nơ-ron tích chập (CNN), lớp (layer) nào chịu trách nhiệm chính trong việc phát hiện các đặc trưng (features) cục bộ trong ảnh, như cạnh, góc, hoặc kết cấu?
- A. Lớp Tích chập (Convolutional Layer)
- B. Lớp Gộp (Pooling Layer)
- C. Lớp Kết nối Đầy đủ (Fully Connected Layer)
- D. Lớp Dropout
Câu 5: Cho một bài toán phân loại nhị phân (binary classification) bệnh tim, với mục tiêu phát hiện bệnh nhân có nguy cơ cao (positive class). Nếu bạn muốn đảm bảo rằng mô hình ít bỏ sót các ca bệnh (giảm thiểu false negatives), metric đánh giá nào quan trọng nhất cần theo dõi?
- A. Độ chính xác (Accuracy)
- B. Precision
- C. Recall
- D. F1-score
Câu 6: Kỹ thuật nào sau đây giúp giảm chiều dữ liệu bằng cách tìm ra một tập hợp nhỏ hơn các chiều mới, là tổ hợp tuyến tính của các chiều ban đầu, và giữ lại được phần lớn phương sai của dữ liệu?
- A. Lasso Regression
- B. PCA (Principal Component Analysis)
- C. K-Means Clustering
- D. Random Forest
Câu 7: Trong thuật toán K-Means, điều gì xảy ra trong mỗi vòng lặp (iteration)?
- A. Chọn ngẫu nhiên các điểm trung tâm mới
- B. Tính toán khoảng cách giữa tất cả các cặp điểm dữ liệu
- C. Gán lại các điểm dữ liệu vào cluster gần nhất và cập nhật trung tâm cluster
- D. Chia dữ liệu thành tập huấn luyện và tập kiểm tra
Câu 8: Hàm kích hoạt ReLU (Rectified Linear Unit) thường được sử dụng trong mạng nơ-ron sâu vì lý do chính nào?
- A. Ngăn chặn overfitting hiệu quả hơn các hàm khác
- B. Đảm bảo mạng nơ-ron luôn hội tụ
- C. Tạo ra đầu ra có giá trị trong khoảng [0, 1] phù hợp cho bài toán phân loại xác suất
- D. Giảm thiểu vấn đề vanishing gradients và tính toán nhanh hơn
Câu 9: Trong học tăng cường (Reinforcement Learning), "agent" học cách hành động trong "môi trường" để tối đa hóa yếu tố nào?
- A. Độ chính xác của dự đoán
- B. Phần thưởng tích lũy (Cumulative Reward)
- C. Số lượng trạng thái đã khám phá
- D. Thời gian hoàn thành nhiệm vụ
Câu 10: Phương pháp nào sau đây là một kỹ thuật ensemble learning, kết hợp nhiều cây quyết định yếu (weak decision trees) một cách tuần tự, trong đó mỗi cây cố gắng sửa lỗi của cây trước đó?
- A. Gradient Boosting Machines (GBM)
- B. Bagging
- C. K-Nearest Neighbors (KNN)
- D. Support Vector Machines (SVM)
Câu 11: Bạn có một mô hình phân loại email spam/không spam. Precision là 90%, Recall là 70%. Điều này có nghĩa là gì?
- A. Mô hình dự đoán đúng 90% tổng số email và bỏ sót 30% email spam.
- B. Mô hình dự đoán đúng 70% tổng số email và phân loại sai 10% email không phải spam thành spam.
- C. Trong số email được dự đoán là spam, 90% thực sự là spam, và mô hình phát hiện được 70% trong tổng số email spam thực tế.
- D. Mô hình phân loại đúng 90% email không phải spam và 70% email spam.
Câu 12: "Bias-Variance tradeoff" trong học máy mô tả sự đánh đổi giữa hai loại lỗi nào?
- A. Lỗi huấn luyện và lỗi kiểm tra
- B. Lỗi do Bias và lỗi do Variance
- C. Overfitting và Underfitting
- D. Precision và Recall
Câu 13: Trong xử lý ngôn ngữ tự nhiên (NLP), kỹ thuật "word embedding" (ví dụ: Word2Vec, GloVe) có vai trò gì?
- A. Loại bỏ các từ dừng (stopwords) khỏi văn bản
- B. Phân tích cú pháp của câu
- C. Dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác
- D. Biểu diễn từ dưới dạng vector số để máy học có thể xử lý
Câu 14: Phương pháp "cross-validation" (kiểm định chéo) được sử dụng để làm gì trong quá trình huấn luyện và đánh giá mô hình học máy?
- A. Tăng kích thước tập dữ liệu huấn luyện
- B. Giảm overfitting bằng cách đơn giản hóa mô hình
- C. Đánh giá khả năng tổng quát hóa của mô hình trên dữ liệu mới
- D. Tối ưu hóa siêu tham số của mô hình trên tập huấn luyện
Câu 15: Trong thuật toán phân cụm DBSCAN, tham số "epsilon" (ε) và "minPts" kiểm soát điều gì?
- A. Số lượng clusters và trung tâm clusters ban đầu
- B. Mật độ điểm dữ liệu cần thiết để tạo thành một cluster và kích thước lân cận
- C. Khoảng cách tối đa giữa các điểm trong cùng một cluster và số chiều dữ liệu
- D. Tốc độ học và số vòng lặp của thuật toán
Câu 16: Khi nào nên sử dụng thuật toán Naive Bayes cho bài toán phân loại?
- A. Khi dữ liệu có nhiều chiều và mối quan hệ phức tạp
- B. Khi cần mô hình có khả năng giải thích cao và độ chính xác tuyệt đối
- C. Khi tập dữ liệu huấn luyện rất nhỏ
- D. Khi giả định về tính độc lập giữa các đặc trưng là hợp lý, ví dụ trong phân loại văn bản
Câu 17: "Regularization" là kỹ thuật được sử dụng để giải quyết vấn đề nào trong học máy và nó hoạt động như thế nào?
- A. Overfitting; Bằng cách thêm một khoản phạt vào hàm mất mát để hạn chế độ phức tạp của mô hình
- B. Underfitting; Bằng cách tăng độ phức tạp của mô hình
- C. Bias cao; Bằng cách thu thập thêm dữ liệu
- D. Variance cao; Bằng cách giảm kích thước tập dữ liệu
Câu 18: Trong mạng nơ-ron hồi quy (RNN), loại lớp (layer) nào được thiết kế đặc biệt để xử lý dữ liệu chuỗi tuần tự (sequential data) như văn bản hoặc chuỗi thời gian?
- A. Lớp Tích chập (Convolutional Layer)
- B. Lớp Gộp (Pooling Layer)
- C. Lớp LSTM hoặc GRU
- D. Lớp Kết nối Đầy đủ (Fully Connected Layer)
Câu 19: Mục tiêu chính của việc "feature scaling" (chuẩn hóa đặc trưng) trước khi huấn luyện mô hình học máy là gì?
- A. Giảm số lượng đặc trưng để đơn giản hóa mô hình
- B. Đảm bảo các đặc trưng có cùng thang đo, giúp thuật toán hội tụ nhanh hơn và ổn định hơn
- C. Tăng độ chính xác của dữ liệu đầu vào
- D. Phát hiện và loại bỏ các giá trị ngoại lai (outliers)
Câu 20: Trong học không giám sát, "silhouette score" được sử dụng để đánh giá chất lượng của thuật toán nào?
- A. Thuật toán hồi quy tuyến tính
- B. Thuật toán phân loại Naive Bayes
- C. Thuật toán phân cụm (Clustering)
- D. Thuật toán giảm chiều dữ liệu PCA
Câu 21: "Confusion matrix" (ma trận nhầm lẫn) cung cấp thông tin gì về hiệu suất của một mô hình phân loại?
- A. Độ chính xác tổng thể của mô hình
- B. Giá trị của Precision và Recall
- C. Đường cong ROC và giá trị AUC
- D. Số lượng dự đoán đúng và sai cho từng lớp (true positives, false positives, true negatives, false negatives)
Câu 22: Trong học máy, "hyperparameter tuning" (tinh chỉnh siêu tham số) là quá trình làm gì?
- A. Tối ưu hóa các tham số nội tại của mô hình (ví dụ: trọng số trong mạng nơ-ron)
- B. Tìm kiếm bộ giá trị siêu tham số tốt nhất cho mô hình (ví dụ: learning rate, số lượng lớp)
- C. Lựa chọn thuật toán học máy phù hợp nhất cho bài toán
- D. Xử lý dữ liệu bị thiếu và ngoại lai
Câu 23: Thuật toán Support Vector Machine (SVM) hoạt động dựa trên nguyên tắc nào?
- A. Tìm đường hồi quy tuyến tính tốt nhất
- B. Phân cụm dữ liệu dựa trên khoảng cách gần nhất
- C. Tìm siêu phẳng phân tách các lớp với khoảng cách biên (margin) lớn nhất
- D. Xây dựng cây quyết định dựa trên thông tin thu được
Câu 24: Trong ngữ cảnh của "gradient descent", "learning rate" (tốc độ học) là gì và nó ảnh hưởng như thế nào đến quá trình huấn luyện?
- A. Kích thước bước nhảy trong quá trình tối ưu hóa; Learning rate quá lớn có thể làm quá trình huấn luyện không ổn định, quá nhỏ làm chậm hội tụ
- B. Số lượng vòng lặp huấn luyện; Learning rate lớn hơn cần ít vòng lặp hơn
- C. Độ chính xác mong muốn của mô hình; Learning rate càng nhỏ, độ chính xác càng cao
- D. Mức độ phạt regularization; Learning rate cao hơn cần regularization mạnh hơn
Câu 25: "One-hot encoding" được sử dụng để xử lý loại dữ liệu nào trong học máy?
- A. Dữ liệu số liên tục
- B. Dữ liệu phân loại (categorical data)
- C. Dữ liệu chuỗi thời gian
- D. Dữ liệu ảnh
Câu 26: "Dropout" là một kỹ thuật regularization thường được sử dụng trong mạng nơ-ron sâu. Nó hoạt động bằng cách nào?
- A. Thêm phạt L1 hoặc L2 vào hàm mất mát
- B. Giảm kích thước của mạng nơ-ron
- C. Ngẫu nhiên bỏ qua một số neuron trong quá trình huấn luyện
- D. Tăng cường dữ liệu huấn luyện bằng cách tạo ra các biến thể của dữ liệu gốc
Câu 27: Trong thuật toán phân cụm phân cấp (Hierarchical Clustering), có hai phương pháp chính là "agglomerative" và "divisive". Phương pháp "agglomerative" bắt đầu như thế nào?
- A. Mỗi điểm dữ liệu được coi là một cluster riêng biệt và sau đó các clusters được hợp nhất dần
- B. Tất cả các điểm dữ liệu ban đầu thuộc về một cluster lớn và sau đó cluster này được chia nhỏ dần
- C. Chọn ngẫu nhiên các điểm trung tâm ban đầu và gán điểm dữ liệu vào cluster gần nhất
- D. Chia dữ liệu thành các vùng dựa trên mật độ điểm dữ liệu
Câu 28: Khi nào thì việc sử dụng mô hình học máy phức tạp (ví dụ: mạng nơ-ron sâu) có thể không phải là lựa chọn tốt nhất so với mô hình đơn giản hơn (ví dụ: hồi quy tuyến tính)?
- A. Khi cần độ chính xác tuyệt đối trên tập huấn luyện
- B. Khi có nguồn lực tính toán lớn và thời gian huấn luyện không giới hạn
- C. Khi dữ liệu huấn luyện rất lớn và phức tạp
- D. Khi dữ liệu huấn luyện ít hoặc mối quan hệ giữa các đặc trưng và mục tiêu là tuyến tính hoặc đơn giản
Câu 29: Trong học máy, "label encoding" và "one-hot encoding" đều được sử dụng để xử lý dữ liệu categorical. Sự khác biệt chính giữa hai phương pháp này là gì?
- A. Label encoding tạo ra nhiều chiều dữ liệu hơn one-hot encoding
- B. Label encoding gán nhãn số cho các category, trong khi one-hot encoding tạo ra vector nhị phân cho mỗi category
- C. Label encoding phù hợp cho dữ liệu số, one-hot encoding phù hợp cho dữ liệu văn bản
- D. Label encoding bảo toàn thông tin tốt hơn one-hot encoding
Câu 30: Trong hệ thống gợi ý (recommendation system), phương pháp "collaborative filtering" (lọc cộng tác) hoạt động dựa trên nguyên tắc nào?
- A. Phân tích nội dung của các mục để gợi ý các mục tương tự về nội dung
- B. Gợi ý các mục phổ biến nhất cho tất cả người dùng
- C. Gợi ý các mục mà người dùng tương tự đã thích trong quá khứ
- D. Sử dụng thông tin nhân khẩu học của người dùng để đưa ra gợi ý cá nhân hóa
