Để phân loại chính xác dữ liệu có phân phối dạng vòng tròn đồng tâm bằng một thuật toán tuyến tính (như Linear Regression hoặc Logistic Regression), ta cần biến đổi không gian đặc trưng tuyến tính ban đầu thành không gian bậc cao hơn (feature engineering).

• A. X² + Y²: Đây là công thức tính bình phương khoảng cách từ gốc tọa độ $(0, 0)$ đến điểm $(X, Y)$. Trong không gian mới với đặc trưng tổng hợp này, các điểm thuộc vòng tròn bên trong (gần gốc tọa độ) sẽ có giá trị đặc trưng mới rất nhỏ, trong khi các điểm thuộc vòng ngoài sẽ có giá trị lớn. Nhờ đó, một thuật toán phân loại tuyến tính có thể dễ dàng tìm ra một mặt phẳng phân cách (decision boundary) để tách biệt hai lớp này.
• B. X² và C. Y²: Chỉ kéo dãn dữ liệu theo một trục duy nhất (X hoặc Y), không thể giúp phân tách dữ liệu dạng tròn đồng tâm một cách tuyến tính.
• D. cos(X): Là hàm tuần hoàn, không tạo ra đặc trưng đại diện cho khoảng cách xuyên tâm từ tâm vòng tròn.

(Đáp án được gợi ý bởi AI)