Quay lại bộ đề
Question #6 Topic 1
You want to use a database of information about tissue samples to classify future tissue samples as either normal or mutated. You are evaluating an unsupervised anomaly detection method for classifying the tissue samples. Which two characteristic support this method? (Choose two.)
Bạn muốn sử dụng một cơ sở dữ liệu thông tin về các mẫu mô để phân loại các mẫu mô trong tương lai là bình thường hay bị đột biến. Bạn đang đánh giá một phương pháp phát hiện bất thường không giám sát (unsupervised anomaly detection) để phân loại các mẫu mô. Hai đặc điểm nào hỗ trợ phương pháp này? (Chọn hai.)
A
There are very few occurrences of mutations relative to normal samples.
Có rất ít trường hợp đột biến so với các mẫu bình thường.
B
There are roughly equal occurrences of both normal and mutated samples in the database.
Có số lượng mẫu bình thường và mẫu đột biến tương đương nhau trong cơ sở dữ liệu.
C
You expect future mutations to have different features from the mutated samples in the database.
Bạn dự kiến các đột biến trong tương lai sẽ có các đặc trưng khác với các mẫu đột biến hiện có trong cơ sở dữ liệu.
D
You expect future mutations to have similar features to the mutated samples in the database.
Bạn dự kiến các đột biến trong tương lai sẽ có các đặc trưng tương tự như các mẫu đột biến trong cơ sở dữ liệu.
E
You already have labels for which samples are mutated and which are normal in the database.
Bạn đã có sẵn nhãn cho các mẫu nào bị đột biến và mẫu nào bình thường trong cơ sở dữ liệu.
Giải thích & Tài liệu tham khảo
Phát hiện bất thường không giám sát (Unsupervised Anomaly Detection) là phương pháp tìm kiếm các điểm dữ liệu khác biệt đáng kể so với phần lớn dữ liệu bình thường mà không cần dùng đến nhãn huấn luyện:
- Đặc điểm A (Đột biến rất ít so với bình thường): Các mô hình phát hiện bất thường hoạt động dựa trên giả định rằng các hành vi bất thường (đột biến) chiếm tỷ lệ rất nhỏ và hiếm gặp trong tập dữ liệu.
- Đặc điểm C (Đột biến tương lai có đặc trưng khác đột biến hiện tại): Nếu các đột biến mới có các đặc điểm thay đổi không lường trước được, phương pháp học có giám sát (supervised learning) sẽ thất bại vì nó chỉ nhận diện được những gì đã học. Ngược lại, phương pháp không giám sát chỉ cần biết thế nào là "bình thường", bất kỳ thứ gì lệch khỏi chuẩn bình thường đều bị gắn cờ là đột biến.
- Tại sao các phương án khác sai:
- B, D, E: Thích hợp cho học có giám sát (Supervised Learning), nơi dữ liệu cân bằng, có nhãn rõ ràng và các mẫu tương lai tương đồng với mẫu quá khứ.
(Đáp án được gợi ý bởi AI)