Trong khai phá dữ liệu, phương pháp nào thường được sử dụng để giảm số lượng chiều dữ liệu, đồng thời giữ lại thông tin quan trọng nhất?

• A. Phân tích phương sai (ANOVA)
• B. Phân tích thành phần chính (PCA)
• C. Hồi quy tuyến tính
• D. Phân cụm K-means

Trong khai phá dữ liệu, mục đích của việc sử dụng 'validation set' là gì?

• A. Để huấn luyện mô hình.
• B. Để đánh giá hiệu suất của mô hình trên dữ liệu chưa thấy và điều chỉnh các tham số.
• C. Để kiểm tra tính chính xác của dữ liệu.
• D. Để tiền xử lý dữ liệu.

Thuật toán nào sau đây thường được sử dụng để tìm các quy luật kết hợp (association rules) trong dữ liệu giao dịch?

• A. Apriori
• B. Cây quyết định
• C. Hồi quy tuyến tính
• D. Phân cụm K-means

Trong khai phá dữ liệu, 'curse of dimensionality' đề cập đến vấn đề gì?

• A. Khó khăn trong việc tìm kiếm các thuộc tính quan trọng nhất.
• B. Sự gia tăng đáng kể về độ phức tạp tính toán và yêu cầu dữ liệu khi số lượng thuộc tính tăng lên.
• C. Sự thiếu hụt dữ liệu.
• D. Sự khó khăn trong việc trực quan hóa dữ liệu.

Đâu là một ví dụ về ứng dụng của khai phá dữ liệu trong lĩnh vực bán lẻ?

• A. Dự đoán thời tiết
• B. Phân tích cảm xúc trên mạng xã hội
• C. Phân tích giỏ hàng để xác định các sản phẩm thường được mua cùng nhau
• D. Dự đoán kết quả bầu cử

Trong khai phá dữ liệu, 'feature engineering' là gì?

• A. Quá trình chọn ra các thuật toán khai phá dữ liệu phù hợp nhất.
• B. Quá trình biến đổi hoặc tạo ra các đặc trưng mới từ các đặc trưng hiện có để cải thiện hiệu suất mô hình.
• C. Quá trình chọn ra các đặc trưng (features) quan trọng nhất từ tập dữ liệu.
• D. Quá trình đánh giá hiệu quả của các đặc trưng.

Thuật toán nào sau đây thường được sử dụng để phân loại dữ liệu dựa trên khoảng cách đến các điểm dữ liệu lân cận?

• A. Cây quyết định
• B. Máy học tăng cường (Boosting)
• C. K-Nearest Neighbors (KNN)
• D. Hồi quy Logistic

Trong ngữ cảnh của khai phá dữ liệu, 'feature selection' là gì?

• A. Quá trình chọn ra các thuật toán khai phá dữ liệu phù hợp nhất.
• B. Quá trình chọn ra các đặc trưng (features) quan trọng nhất từ tập dữ liệu.
• C. Quá trình tạo ra các đặc trưng mới từ các đặc trưng hiện có.
• D. Quá trình đánh giá hiệu quả của các đặc trưng.

Trong khai phá dữ liệu, 'outlier' là gì?

• A. Một thuộc tính quan trọng trong tập dữ liệu.
• B. Một giá trị dữ liệu nằm ngoài phạm vi thông thường của tập dữ liệu.
• C. Một phương pháp tiền xử lý dữ liệu.
• D. Một loại mô hình khai phá dữ liệu.

Phương pháp nào sau đây thường được sử dụng để xử lý dữ liệu thiếu?

• A. Phân tích hồi quy
• B. Thay thế bằng giá trị trung bình hoặc trung vị
• C. Phân tích tương quan
• D. Phân tích thành phần chính (PCA)

Trong khai phá dữ liệu, 'precision' và 'recall' là gì?

• A. Các phương pháp tiền xử lý dữ liệu.
• B. Các độ đo đánh giá hiệu quả mô hình phân loại.
• C. Các thuật toán phân cụm.
• D. Các kỹ thuật giảm chiều dữ liệu.

Phương pháp nào sau đây thường được sử dụng để đánh giá mức độ tin cậy của các quy luật kết hợp (association rules)?

• A. Support, confidence, và lift
• B. Precision và recall
• C. Accuracy và F1-score
• D. RMSE và MAE

Phương pháp nào sau đây được sử dụng để tìm các nhóm đối tượng tương tự nhau trong một tập dữ liệu?

• A. Hồi quy tuyến tính
• B. Phân tích tương quan
• C. Phân cụm (Clustering)
• D. Cây quyết định

Thuật toán nào thường được sử dụng để xây dựng mô hình dự đoán dựa trên một tập hợp các luật 'if-then'?

• A. Mạng nơ-ron
• B. Cây quyết định
• C. Máy vector hỗ trợ (SVM)
• D. Hồi quy Logistic

Phương pháp nào sau đây thường được sử dụng để chuẩn hóa dữ liệu?

• A. Phân tích hồi quy
• B. Z-score normalization
• C. Phân tích tương quan
• D. Phân tích thành phần chính (PCA)

Đâu là một ví dụ về ứng dụng của khai phá dữ liệu trong lĩnh vực y tế?

• A. Dự báo giá cổ phiếu
• B. Phát hiện gian lận thẻ tín dụng
• C. Phân tích rủi ro tín dụng
• D. Dự đoán khả năng mắc bệnh dựa trên dữ liệu bệnh sử và xét nghiệm

Đâu là một phương pháp đánh giá hiệu quả mô hình phân loại?

• A. MAE (Mean Absolute Error)
• B. RMSE (Root Mean Squared Error)
• C. Độ chính xác (Accuracy)
• D. R-squared

Khi triển khai một mô hình khai phá dữ liệu vào thực tế, yếu tố nào sau đây là quan trọng nhất để đảm bảo thành công?

• A. Sử dụng thuật toán phức tạp nhất.
• B. Đảm bảo mô hình dễ hiểu và có thể giải thích được cho người dùng cuối.
• C. Sử dụng phần cứng mạnh nhất.
• D. Huấn luyện mô hình trên lượng dữ liệu lớn nhất có thể.

Phương pháp nào sau đây thường được sử dụng để đánh giá sự tương quan giữa hai biến số?

• A. Phân tích phương sai (ANOVA)
• B. Phân tích hồi quy
• C. Phân tích tương quan
• D. Phân tích thành phần chính (PCA)

Trong khai phá dữ liệu, mục đích chính của việc tiền xử lý dữ liệu là gì?

• A. Tăng kích thước của tập dữ liệu.
• B. Làm cho dữ liệu phù hợp hơn để phân tích và cải thiện chất lượng mô hình.
• C. Giảm số lượng biến trong tập dữ liệu.
• D. Chọn ra các thuật toán khai phá dữ liệu phù hợp.

Trong khai phá dữ liệu, 'overfitting' xảy ra khi nào?

• A. Mô hình quá đơn giản và không thể hiện được sự phức tạp của dữ liệu.
• B. Mô hình học quá kỹ dữ liệu huấn luyện, dẫn đến khả năng khái quát hóa kém trên dữ liệu mới.
• C. Mô hình không đủ dữ liệu để học.
• D. Mô hình chỉ hoạt động tốt trên một tập con nhỏ của dữ liệu.

Trong khai phá dữ liệu, kỹ thuật nào thường được sử dụng để giảm nhiễu trong dữ liệu?

• A. Feature selection
• B. Smoothing
• C. Clustering
• D. Association rule mining

Trong khai phá dữ liệu, 'data mining' khác với 'data analysis' như thế nào?

• A. 'Data mining' tập trung vào việc xác nhận giả thuyết, trong khi 'data analysis' tập trung vào khám phá tri thức.
• B. 'Data mining' là một phần của 'data analysis'.
• C. 'Data analysis' là một phần của 'data mining'.
• D. 'Data mining' tập trung vào khám phá tri thức, trong khi 'data analysis' tập trung vào việc xác nhận giả thuyết.

Trong khai phá dữ liệu, 'cross-validation' là gì?

• A. Một phương pháp giảm chiều dữ liệu.
• B. Một kỹ thuật đánh giá hiệu suất mô hình bằng cách chia dữ liệu thành nhiều phần và huấn luyện, kiểm tra trên các phần khác nhau.
• C. Một phương pháp tiền xử lý dữ liệu.
• D. Một thuật toán phân cụm.

Trong quá trình xây dựng mô hình, khi nào thì cần sử dụng kỹ thuật 'regularization'?

• A. Khi dữ liệu có quá nhiều giá trị thiếu.
• B. Khi mô hình có dấu hiệu 'overfitting'.
• C. Khi cần giảm số lượng chiều dữ liệu.
• D. Khi dữ liệu chưa được chuẩn hóa.

Đâu là một ví dụ về ứng dụng của khai phá dữ liệu trong lĩnh vực tài chính?

• A. Dự đoán thời tiết
• B. Phân tích cảm xúc trên mạng xã hội
• C. Phân tích rủi ro tín dụng
• D. Dự đoán kết quả bầu cử

Thuật toán nào sau đây thường được sử dụng để dự đoán giá trị liên tục?

• A. Cây quyết định
• B. Phân cụm K-means
• C. Hồi quy tuyến tính
• D. K-Nearest Neighbors (KNN)

Trong khai phá dữ liệu, 'ensemble learning' là gì?

• A. Một phương pháp giảm chiều dữ liệu.
• B. Một kỹ thuật kết hợp nhiều mô hình học máy để cải thiện hiệu suất.
• C. Một phương pháp tiền xử lý dữ liệu.
• D. Một thuật toán phân cụm.

Trong khai phá dữ liệu, 'bias-variance tradeoff' đề cập đến điều gì?

• A. Sự cân bằng giữa độ chính xác và độ tin cậy của dữ liệu.
• B. Sự cân bằng giữa việc giảm chiều dữ liệu và giữ lại thông tin quan trọng.
• C. Sự cân bằng giữa việc giảm thiểu sai số do thiên vị (bias) và sai số do phương sai (variance) của mô hình.
• D. Sự cân bằng giữa việc sử dụng dữ liệu huấn luyện và dữ liệu kiểm tra.

Trong khai phá dữ liệu, 'ROC curve' được sử dụng để làm gì?

• A. Để giảm chiều dữ liệu.
• B. Để đánh giá hiệu suất của mô hình phân loại nhị phân.
• C. Để phân cụm dữ liệu.
• D. Để tìm các quy luật kết hợp.