Câu hỏi trắc nghiệm khai thác dữ liệu

CÂU HỎI TRẮC NGHIỆM KHAI THÁC DỮ LIỆU. Bộ câu hỏi trắc nghiệm thi kết thúc học phần mới nhất được cập nhật của 2023. Câu hỏi có đáp án chuẩn xác 100%. Các từ khóa về KMeans, clusters trong gom cụm phân cấp (hierachical clustering), cách tính các điểm trong không gian, giải thuật, giá trị thuộc tính...

CÂU HỎI TRẮC NGHIỆM KHAI THÁC DỮ LIỆU

Các ý nào sau đây đúng với K-Means:

1 K-Means cực kỳ nhạy cảm với việc khởi tạo tâm cụm

2 Việc khởi tạo tâm cụm không tốt sẽ dẫn đến việc hội tụ kém 3 Việc

khởi tạo tâm cụm không tốt sẽ dẫn đến kết quả gom cụm kém

Chỉ ra mệnh đề sai về K-Means Select one:

a Giải thuật gom cụm K-means tương tự giải thuật KNN (K- nearest neighbor) b Tất

cả các mệnh đề đều sai

c K-Means phân chia n đối tượng dữ liệu thành k cụm

d K-means là một phương pháp lượng tử hóa vector (vector quantization)

Cho biết kết quả nào khi gom cụm dùng phương pháp gom cụm phân cấp với độ đo AVERAGE-Link Select one:

a

Câu hỏi 7

b

c

d

Cho dữ liệu gồm 6 điểm trong không gian 2 chiều và khoảng cách giữa các điểm thể hiện ở các bảng sau:

Cho biết kết quả nào khi gom cụm dùng phương pháp gom cụm phân cấp với độ đo MAX Select one:

a

b

c

d

Trường hợp nào sau đây K-Means không cho kết quả tốt

1 Dữ liệu có ngoại biên (outlier)

2 Dữ liệu có mật độ phân bố thay đổi

3 Dữ liệu phân bố theo hình tròn

4 Dữ liệu phân bố theo dạng hình không lồi (non-convex)

a Node trung gian

a Là độ hiệu quả của giải thuật khi thực thi

b Được tính dựa trên các độ đo và qua thực nghiệm

c Được chứng minh bằng tính đúng đắn của giải thuật

b Độ đo khoảng cách định nghĩa trước

c Trung tâm cụm khởi tạo trước

d Tất cả các ý còn lại

Chỉ ra mệnh đề sai về K-Means Select one:

a Giải thuật gom cụm K-means tương tự giải thuật KNN (K- nearest neighbor) b.K-means là một phương pháp lượng tử hóa vector (vector quantization) c Tất cả các mệnh đề đều sai

d K-Means phân chia n đối tượng dữ liệu thành k cụm

Các lần chạy K-means có khả năng cho kết quả khác nhau là đúng hay sai?

Điều kiện dừng của giải thuật K-Means có thể là:

Select one or more:

a Nếu giá trị hàm mục tiêu có giá trị dưới ngưỡng cho trước

b Sau một số lần lặp định trước

c Việc phân cụm không thay đổi

d Các trung tâm cụm không thay đổi

Những trường hợp nào dưới đây K-Means thất bại:

1 Dữ liệu có nhiều nhiễu

2 Dữ liệu có phân bố mật độ thay đổi

3 Dữ liệu phân bố dạng dạng tròn (round shapes) 4 Dữ liệu phân bố dạng không lồi (non-convex shapes)

Select one:

a 3 và 4

b 2 và 3

Các ý nào sau đây đúng với K-Means:

1 K-Means cực kỳ nhạy cảm với việc khởi tạo tâm cụm

2 Việc khởi tạo tâm cụm không tốt sẽ dẫn đến việc hội tụ kém 3 Việc

khởi tạo tâm cụm không tốt sẽ dẫn đến kết quả gom cụm kém

Thao tác nào sau đây có khả năng cải thiện kết quả gom cụm K-Means:

1 Chạy nhiều lần với các khởi tạo tâm cụm khác nhau

2 Điều chỉnh số lần lặp

3 Tìm ra số cụm tối ưu

Select one:

Câu hỏi 31

K-Means thuộc giải thuật học máy

Select one:

a Không có giám sát (unsupervised learning)

b Có giám sát (supervised learning)Supervised

c Tất cả đều sai

Số lượng bộ phân loại và số lượng dataset trong tutorial trên lần

lượt là Select one:

a Sinh ngẫu nhiên dữ liệu thực nghiệm

b Tạo bộ phân loại với các tham số cho trước

c Tạo bộ phân loại với các tham số mặc định

Áp dụng giải thuật apriori trên tập dữ liệu gồm 5 loại mục {A, B, C, D, E}

Giả sử thu được các 2-itemsets phổ biến là {A, B}, {A, C}, {A, D}, {B, C}, {B, E}, {C, E}

Hỏi trong các itemsets sau, itemset nào sẽ là ứng viên 3-itemsets cần xem xét ở vònglặp tiếp theo?

Select one or more:

Cho biết các 1-itemsets nào là phổ biến?

Select one or more:

phổ biến và luật kết hợp trên cho dataset sau:

c Độ hỗ trợ đúng bằng ngưỡng cho trước

d Độ hỗ trợ thấp hơn hoặc bằng ngưỡng cho trước

a Khi số ngưỡng của độ hỗ trợ rất lớn, thời gian thực thi của 2 thuật toán FP-Growth

và Apriori là tương đương

b Thuật toán FP-Growth thực hiện nhanh hơn thuật toán Apriori

c Với cùng ngưỡng độ hỗ trợ, thời gian thức thi thuật toán FP-Growth luôn ít hơn thời gian thực thi thuật toán Apriori

d Thuật toán Apriori thực hiện nhanh hơn thuật toán FP-Growth

a Tất cả các câu còn lại đều sai

b Học tăng cường (reinforcement learning)

c Học không giám sát (unsupervised learning)

d Học có giám sát (supervised learning)

b Ngưỡng tin cậy MinConf

c Số điểm tối thiểu MinPTs

a Dữ liệu bị thiếu hoặc không đầy đủ

b Dữ liệu khả năng bị sai

c Thu giảm số chiều và lấy mẫu

d Thu giảm số chiều

d Dữ liệu khả năng bị sai

thời gian thực thi của thuật toán Apriori

b Với cùng số lượng giao dịch như nhau, thời gian thức thi thuật toán FP-Growth luôn íthơn thời gian thực thi thuật toán Apriori

c Thuật toán Apriori thực hiện nhanh hơn thuật toán FP-Growth

d Hai thuật toán FP-Growth và Apriori đều thức thi với thời gian rất nhỏ

Mô tả nào sau đây đúng cho khái niệm

"underfitting" Select one:

a Khi mô hình học quá đơn giản dẫn đến khi thực thi trên tập dữ liệu huấn luyện và tập

dữ liệu kiểm tra đều có nhiều dự đoán sai

b Khi mô hình học quá phức tạp dẫn đến thời gian thực thi lớn nhưng có kết quả chính xác

c Khi mô hình học quá phức tạp dẫn đến thực thi chính xác trên tập dữ liệu huấn luyện nhưng nhiều

dự đoán sai trên tập dữ liệu kiểm tra

d Tất cả các câu còn lại đều sai

Câu hỏi 58

Cho trước ngưỡng hỗ trợ minsup = 60% và ngưỡng tin cậy minconf

= 80% để tìm tập phổ biến và luật kết hợp trên cho dataset sau:

a lấy ngẫu nhiên k-item sau đó ghép lại với nhau

b tạo ra từ tập tin chứa k-1 item với nhau với điều kiện là 2 tập k-item này phải có chung nhau k-2

item

c tổ hợp k-item từ các item có trong cơ sở dữ liệu giao dịch

d sinh mọi tập con có k-item có trong cơ sở dữ liệu giao dịch

d support(I1) >= support(I2) >= support(I3)

Cho một tập dữ liệu và một ngưỡng hỗ trợ minsup

Gọi A là số lượng frequent itemset

B là số lượng closed frequent

itemsets C là số lượng max

frequent itemsets tìm được

Cho biết mệnh đề nào sau đây đúng:

a regression

b clustering

c data preprocessing

d frequent pattern mining

Trong khai thác luật kết hợp, một luật được xuất hiện ở kết quả nếu

Select one:

a Độ hỗ trợ và độ tin cậy không vượt quá các ngưỡng cho trước

b.Độ hỗ trợ vượt ngưỡng cho trước hoặc độ tin cậy vượt ngưỡng cho trước

c Độ hỗ trợ và độ tin cậy vượt các ngưỡng cho trước

d.Độ hỗ trợ không được cao hơn ngưỡng hỗ trợ hoặc độ tin cậy không được cao hơn ngưỡng tin cậy cho

a Tổ hợp k item từ các item có trong cơ sở dữ liệu giao dịch

b.Lấy ngẫu nhiên k item sau đó ghép lại với nhau

c Tạo ra từ tập chứa k-1 item bằng cách ghép 2 tập k-1 item với nhau với điều kiện là 2 tập k-1 item này

phải có chung nhau k-2 item

d.Sinh mọi tập con có k item từ các item có trong cơ sở dữ liệu giao dịch

d.L={abck}