Which of the following is a significant issue in data mining that can result in higher error rates due to the training data used?
Vấn đề lớn nào dưới đây trong khai thác dữ liệu có thể dẫn đến tỷ lệ lỗi cao hơn do dữ liệu huấn luyện được sử dụng?
A
Class imbalance
Mất cân bằng lớp (Class imbalance)
B
Digital tracking
Theo dõi kỹ thuật số (Digital tracking)
C
Dimension reduction
Giảm chiều dữ liệu (Dimension reduction)
Giải thích & Tài liệu tham khảo
Giải thích:
Đáp án đúng (A): Mất cân bằng lớp (Class imbalance). Khi tập dữ liệu huấn luyện có sự chênh lệch lớn giữa các lớp (ví dụ: 99% không gian lận, 1% gian lận), mô hình xu hướng bị thiên lệch và dự báo kém chính xác đối với lớp thiểu số, làm tăng tỷ lệ lỗi tổng thể của mô hình.
Các phương án sai:
B. Theo dõi kỹ thuật số: Đây là phương pháp thu thập thông tin, không phải nguyên nhân trực tiếp gây lỗi mô hình từ phía dữ liệu huấn luyện.
C. Giảm chiều dữ liệu: Đây là kỹ thuật tiền xử lý hữu ích nhằm giảm bớt số lượng thuộc tính dư thừa, giúp cải thiện hiệu suất thay vì tăng tỷ lệ lỗi.