BDI302c - Phần 9: Khám phá và chuẩn bị dữ liệu cho học máy

Đáp án đúng: "Algorithm Prediction". Học máy thường được chia theo loại bài toán: phân loại (classification) dự đoán nhãn rời rạc, hồi quy (regression) dự đoán giá trị số, phân tích cụm (cluster analysis) gom các mẫu giống nhau khi không có nhãn, và phân tích kết hợp (association analysis) tìm các mục hay xuất hiện cùng nhau. "Algorithm Prediction" không phải tên một nhóm bài toán nào; dự đoán là việc mà nhiều loại mô hình làm, còn thuật toán là công cụ chứ không phải một hạng mục. Câu hỏi dạng NOT nên bốn hạng mục thật không được chọn: "Cluster Analysis" là học không giám sát, ví dụ k-means chia khách hàng thành nhóm; "Classification" là học có giám sát với nhãn lớp, như kNN, cây quyết định, naive Bayes; "Regression" là học có giám sát với đầu ra liên tục, như dự đoán giá nhà; "Association Analysis" tìm luật dạng mua bánh mì thì mua bơ, đo bằng support và confidence.

Đáp án đúng: "df['sales'].mean()". Trong Pandas, df['sales'] chọn cột sales của DataFrame và trả về một Series; Series có phương thức mean() tính trung bình cộng các giá trị, mặc định bỏ qua giá trị thiếu NaN, nên df['sales'].mean() là cú pháp đúng và gọn nhất. "mean(df['sales'])" sai vì Python không có hàm dựng sẵn tên mean; muốn gọi dạng hàm phải ghi rõ thư viện như np.mean(df['sales']) hoặc statistics.mean, còn viết trần sẽ báo NameError. "df mean('sales')" sai cú pháp vì thiếu dấu chấm để truy cập phương thức, và kể cả viết df.mean('sales') thì đối số đầu của DataFrame.mean là trục (axis) chứ không phải tên cột. "sales mean()" sai vì sales không phải một biến tồn tại riêng mà chỉ là tên cột bên trong df, lại cũng thiếu dấu chấm.

Đáp án đúng: "Bins have same width ranges". Equal-width binning (chia khoảng đều độ rộng) là kỹ thuật rời rạc hoá một biến số liên tục: lấy khoảng từ giá trị nhỏ nhất tới lớn nhất rồi chia thành k khoảng có cùng độ rộng bằng hiệu max trừ min chia cho k. Ví dụ tuổi từ 0 tới 100 với k bằng 5 cho các khoảng rộng 20 năm; số phần tử rơi vào mỗi khoảng có thể chênh nhau nhiều, nhất là khi có ngoại lai. "Bins have the same number of items" mô tả equal-frequency binning (chia theo tần suất đều, còn gọi equal-depth), trong đó độ rộng các khoảng khác nhau để mỗi khoảng chứa số phần tử bằng nhau. "Bins based on frequency" cũng thuộc nhóm chia theo tần suất, ranh giới đặt theo phân bố dữ liệu chứ không theo độ rộng cố định. "Bins are random" sai vì cả hai kiểu chia đều có quy tắc xác định.

Đáp án đúng: "The covariance of y t and y t +h not depends only on the value of h=0,1, 2, . . .for all t .". Một chuỗi thời gian dừng (stationary) theo nghĩa yếu phải thoả ba điều kiện: kỳ vọng không đổi theo thời gian, phương sai hữu hạn, và hiệp phương sai giữa hai thời điểm chỉ phụ thuộc vào độ trễ h chứ không phụ thuộc vào vị trí t. Phát biểu được chọn phủ định điều kiện thứ ba: nếu hiệp phương sai còn phụ thuộc vào t thì cấu trúc tương quan thay đổi theo thời gian và chuỗi không dừng, nên đây là ngoại lệ câu hỏi tìm. Đây là câu EXCEPT nên những điều kiện thật không được chọn: "The expected value (mean) of yt is a constant for all values of t." là điều kiện trung bình không đổi, một chuỗi có xu hướng tăng dần sẽ vi phạm nó; "The variance of yt is finite" là điều kiện phương sai hữu hạn, và khi xét hiệp phương sai tại h bằng 0 thì phương sai còn phải không đổi theo t; "The covariance of y t and y t +h depends only on the value of h=0,1, 2, . . .for all t ." là điều kiện hiệp phương sai chỉ phụ thuộc độ trễ.