Quay lại bộ đề
Question #26 Topic 1
Business owners at your company have given you a database of bank transactions. Each row contains the user ID, transaction type, transaction location, and transaction amount. They ask you to investigate what type of machine learning can be applied to the data. Which three machine learning applications can you use? (Choose three.)
Các chủ sở hữu doanh nghiệp tại công ty của bạn đã cung cấp cho bạn một cơ sở dữ liệu về các giao dịch ngân hàng. Mỗi hàng chứa ID người dùng, loại giao dịch, vị trí giao dịch và số tiền giao dịch. Họ yêu cầu bạn nghiên cứu loại học máy nào có thể áp dụng cho dữ liệu này. Bạn có thể sử dụng ba ứng dụng học máy nào? (Chọn ba.)
A
Supervised learning to determine which transactions are most likely to be fraudulent.
Học có giám sát (Supervised learning) để xác định giao dịch nào có nhiều khả năng là gian lận nhất.
B
Unsupervised learning to determine which transactions are most likely to be fraudulent.
Học không giám sát (Unsupervised learning) để xác định giao dịch nào có nhiều khả năng là gian lận nhất.
C
Clustering to divide the transactions into N categories based on feature similarity.
Phân cụm (Clustering) để chia các giao dịch thành N danh mục dựa trên sự tương đồng của các đặc trưng (features).
D
Supervised learning to predict the location of a transaction.
Học có giám sát (Supervised learning) để dự đoán vị trí của một giao dịch.
E
Reinforcement learning to predict the location of a transaction.
Học tăng cường (Reinforcement learning) để dự đoán vị trí của một giao dịch.
F
Unsupervised learning to predict the location of a transaction.
Học không giám sát (Unsupervised learning) để dự đoán vị trí của một giao dịch.
Giải thích & Tài liệu tham khảo
Dựa trên tập dữ liệu lịch sử giao dịch ngân hàng hiện có (chưa có dán nhãn giao dịch gian lận trước đó):
- B. Học không giám sát để phát hiện giao dịch gian lận: Phù hợp vì các giao dịch gian lận thường hiếm gặp và chưa được dán nhãn, có thể sử dụng các thuật toán phát hiện bất thường (anomaly detection) để lọc ra các giao dịch bất thường.
- C. Phân cụm (Clustering) để chia giao dịch thành N nhóm: Dùng thuật toán phân cụm (như K-Means) để phân khúc khách hàng hoặc phân loại giao dịch có hành vi tương tự nhau.
- D. Học có giám sát để dự đoán vị trí của giao dịch: Vì trường thông tin vị trí giao dịch đã có sẵn trong dữ liệu lịch sử, nó đóng vai trò làm nhãn (label), giúp xây dựng mô hình dự đoán vị trí giao dịch dựa trên các thông số khác.
Các lựa chọn khác không chính xác:
- A không thể thực hiện học có giám sát nếu dữ liệu chưa được dán nhãn sẵn giao dịch nào là gian lận.
- E học tăng cường không áp dụng cho dữ liệu phân tích bảng tĩnh.
- F dự đoán nhãn cụ thể (vị trí giao dịch) phải dùng học có giám sát, không dùng học không giám sát.
(Đáp án được gợi ý bởi AI)