Bài 22. Học máy: bài toán phân loại và dự đoán
Bài học giúp bạn phân biệt hai dạng bài toán phổ biến nhất trong học máy: phân loại (chọn một nhãn có sẵn) và dự đoán số (ước lượng một giá trị). Bạn cũng sẽ biết vì sao một mô hình học máy luôn cần được huấn luyện trên một phần dữ liệu, rồi kiểm tra trên phần dữ liệu khác trước khi tin dùng.
Bắt đầu bằng một hình dung
Hãy tưởng tượng một dây chuyền phân loại trái cây trong một nhà kho. Mỗi quả đi qua đều được một chiếc camera quét qua, ghi lại màu sắc và kích thước của nó. Dựa trên hai đặc điểm đó, hệ thống phải làm hai việc hoàn toàn khác nhau.
Việc thứ nhất: quyết định quả đó là táo, cam hay chuối, rồi đẩy nó vào đúng giỏ. Đây là kiểu câu hỏi “quả này thuộc loại nào, trong số vài loại đã biết trước?”.
Việc thứ hai: dựa vào kích thước, ước lượng luôn quả đó nặng khoảng bao nhiêu gam để in tem giá. Đây lại là một kiểu câu hỏi khác hẳn: “giá trị cần tìm là bao nhiêu?” - câu trả lời không phải một cái tên có sẵn, mà là một con số.
Cùng một dữ liệu đầu vào (màu sắc, kích thước), nhưng hai câu hỏi đặt ra lại thuộc hai dạng bài toán khác nhau trong học máy. Bài học này sẽ giúp bạn phân biệt rõ hai dạng bài toán đó.
Nội dung bài học
- 1) Học máy: hai câu hỏi thường gặp nhất
- 2) Phân loại (classification): gán nhãn cho dữ liệu
- 3) Dự đoán số (regression): ước lượng một giá trị
- 4) Huấn luyện, kiểm tra và độ chính xác
Tóm tắt lý thuyết cần nhớ
- Học máy thường giải hai dạng bài toán chính: phân loại (
classification) - chọn một nhãn có sẵn cho dữ liệu, và dự đoán số (regression) - ước lượng một con số. - Phân loại cho ra một nhãn trong số hữu hạn nhãn biết trước (ví dụ thư rác/không rác); dự đoán số cho ra một con số bất kỳ trong một khoảng (ví dụ giá nhà, điểm số, nhiệt độ).
- Quy trình chung: chia dữ liệu thành phần huấn luyện (để máy học quy luật) và phần kiểm tra (để đánh giá), rồi đo độ chính xác trên phần kiểm tra.
- Phải đánh giá mô hình trên dữ liệu mới, chưa từng thấy, để chắc chắn máy nắm được quy luật chung chứ không chỉ “học vẹt” - ghi nhớ máy móc dữ liệu huấn luyện.
Thuật ngữ tiếng Anh trong bài
| Tiếng Anh | Đọc là | Nghĩa |
|---|---|---|
| machine learning | mơ-sin lơ-ninh | học máy Là cách cho máy tính tự học từ thật nhiều ví dụ. |
| model | mo-đờl | mô hình Là thứ máy tạo ra sau khi học xong, dùng để đoán việc mới. |
| classification | cla-si-phi-KÊ-sần | phân loại Bài toán yêu cầu máy chọn một nhãn trong danh sách nhãn có sẵn cho mỗi dữ liệu, ví dụ thư này là thư rác hay không rác. |
| regression | ri-GRÉT-sần | dự đoán số / hồi quy Bài toán yêu cầu máy ước lượng một con số, ví dụ giá một căn nhà hay nhiệt độ ngày mai. |
| training | TRÂY-ning | huấn luyện Giai đoạn máy đọc phần dữ liệu đã chuẩn bị sẵn để tự rút ra quy luật. |
| overfitting | ô-vơ-PHÍT-tinh | học vẹt / khớp quá mức Là khi mô hình thuộc lòng dữ liệu đã học nên làm rất tốt trên dữ liệu cũ nhưng đoán sai trên dữ liệu mới. |
Câu hỏi trắc nghiệm có đáp án
Mấy câu mẫu để bạn tự kiểm tra ngay. Trong ứng dụng, bài này có đủ 21 câu, chấm điểm tự động và giải thích từng câu sai.
classification) yêu cầu máy làm gì?- Chọn ra một nhãn phù hợp trong số các nhãn đã biết trước cho dữ liệu đưa vào.
- Ước lượng một con số bất kỳ, không giới hạn trong các lựa chọn có sẵn.
- Sắp xếp lại toàn bộ dữ liệu theo thứ tự tăng dần.
- Xóa bỏ những dữ liệu bị coi là sai hoặc thiếu.
regression)?- Xác định một bức ảnh là chó hay mèo.
- Ước lượng giá một căn nhà dựa vào diện tích của nó.
- Đánh giá một bình luận là tích cực hay tiêu cực.
- Xác định một email là thư rác hay không phải thư rác.
test) có vai trò gì?- Được dùng để máy học và tìm ra quy luật ngay từ đầu.
- Được trộn lẫn với dữ liệu huấn luyện để máy học nhanh hơn.
- Dùng để đánh giá mô hình trên những trường hợp máy chưa từng thấy trong lúc học.
- Được xóa bỏ ngay sau khi chia dữ liệu vì không cần dùng đến.
- a)Trong bài toán phân loại, số lượng nhãn mà máy có thể chọn là hữu hạn và được quy định trước.Đúng
- b)Trong bài toán dự đoán số, kết quả đưa ra bắt buộc phải trùng với một trong các giá trị đã có sẵn trong dữ liệu huấn luyện.Sai
- c)Mục đích của việc chia dữ liệu thành phần huấn luyện và phần kiểm tra là để đánh giá xem mô hình có học được quy luật chung hay không.Đúng
- d)Một mô hình đạt độ chính xác rất cao trên chính dữ liệu đã dùng để huấn luyện thì chắc chắn sẽ hoạt động tốt trên dữ liệu mới.Sai
- (a) Đúng - nhãn trong bài toán phân loại là hữu hạn và biết trước.
- (b) Sai - con số dự đoán có thể là một giá trị hoàn toàn mới, như ước lượng giá nhà 70 m² dù dữ liệu mẫu chỉ có 40, 60, 80 m².
- (c) Đúng - dữ liệu kiểm tra dùng để đánh giá mô hình trên trường hợp chưa từng thấy, qua đó biết mô hình có nắm được quy luật chung hay không.
- (d) Sai - độ chính xác cao trên chính dữ liệu huấn luyện có thể chỉ do mô hình “học vẹt”, ghi nhớ máy móc, nên vẫn có thể đoán sai trên dữ liệu mới.
Thử ngay: minh hoạ từng bước
Bấm từng bước để tự xem cơ chế hoạt động, hoặc bấm “Tự chạy” cho nó tiến mỗi giây một lần. Đổi được dữ liệu đầu vào - không cần đăng nhập.
Học trọn bài này trong ứng dụng
Bài giảng đầy đủ, 21 câu luyện tập chấm tự động, thi thử đúng cấu trúc đề tốt nghiệp (24 trắc nghiệm + 4 Đúng/Sai), bài thực hành máy tự chấm và gia sư AI giải thích chỗ sai.
Phần học miễn phí, không cần tạo tài khoản.
Bài liên quan - Trí tuệ nhân tạo & Học máy
Cùng mạch kiến thức với bài này, học nối tiếp cho chắc phần lí thuyết.