# ML Có Giám Sát: Phân Loại (Data Science & ML) > Hồi quy logistic, KNN, SVM, các chỉ số (accuracy, precision, recall, F1, ROC-AUC), ngưỡng - 24 câu hỏi phỏng vấn - Mid-Level - [Câu hỏi phỏng vấn: Data Science & ML](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van.md) ## 1. Mục tiêu chính của thuật toán phân loại có giám sát là gì? **Câu trả lời** Phân loại có giám sát nhằm dự đoán một danh mục hoặc lớp (biến rời rạc) từ các features đầu vào, bằng cách học từ dữ liệu được gắn nhãn. Khác với hồi quy dự đoán các giá trị liên tục, phân loại gán mỗi quan sát vào một lớp được định nghĩa trước (nhị phân hoặc đa lớp). ## 2. Hồi quy logistic sử dụng hàm toán học nào để chuyển đổi các dự đoán thành xác suất? **Câu trả lời** Hàm sigmoid (hoặc logistic) chuyển đổi bất kỳ giá trị thực nào thành xác suất từ 0 đến 1. Nó được định nghĩa là sigma(z) = 1/(1+e^(-z)). Hàm này cho phép diễn giải đầu ra như xác suất thuộc về lớp dương. ## 3. Các hệ số trong mô hình hồi quy logistic đại diện cho điều gì? **Câu trả lời** Các hệ số hồi quy logistic đại diện cho sự thay đổi của log-odds cho mỗi đơn vị thay đổi của feature tương ứng. Hệ số dương làm tăng xác suất của lớp dương, trong khi hệ số âm làm giảm. Lũy thừa của hệ số cho odds ratio. ## Còn 21 câu hỏi nữa - Thuật toán K-Nearest Neighbors (KNN) hoạt động như thế nào cho phân loại? - Tác động của việc chọn giá trị k trong thuật toán KNN là gì? Đăng ký miễn phí: https://sharpskill.dev/vi/login ## Các chủ đề phỏng vấn Data Science & ML khác - [Cơ bản về Python](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/python-basics.md): 25 câu hỏi, Junior - [Lập trình Hướng đối tượng Python](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/python-oop.md): 20 câu hỏi, Junior - [Cấu trúc dữ liệu Python](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/python-data-structures.md): 20 câu hỏi, Junior - [Kiến Thức Cơ Bản về Git](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/git-fundamentals.md): 18 câu hỏi, Junior - [Cơ bản về SQL](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/sql-basics.md): 20 câu hỏi, Junior - [Kiến thức cơ bản về NumPy](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/numpy-fundamentals.md): 22 câu hỏi, Junior - [Cơ bản về Pandas](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/pandas-basics.md): 22 câu hỏi, Junior - [Jupyter & Google Colab](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/jupyter-colab.md): 16 câu hỏi, Junior - [SQL Joins & Truy vấn nâng cao](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/sql-joins-advanced.md): 22 câu hỏi, Mid-Level - [Pandas nâng cao](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/pandas-advanced.md): 24 câu hỏi, Mid-Level - [Trực quan hóa với Matplotlib & Seaborn](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/matplotlib-seaborn.md): 20 câu hỏi, Mid-Level - [Trực quan hóa tương tác với Plotly](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/plotly-interactive.md): 18 câu hỏi, Mid-Level - [Thống kê mô tả](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/statistics-descriptive.md): 20 câu hỏi, Mid-Level - [Thống kê suy luận](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/statistics-inferential.md): 24 câu hỏi, Mid-Level - [Web Scraping](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/web-scraping.md): 18 câu hỏi, Mid-Level - [BigQuery & Cloud Data](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/bigquery-cloud.md): 18 câu hỏi, Mid-Level - [Feature Engineering](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/feature-engineering.md): 22 câu hỏi, Mid-Level - [ML Có Giám Sát: Hồi Quy](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/ml-supervised-regression.md): 24 câu hỏi, Mid-Level - [Cây Quyết định & Ensemble](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/ml-trees-ensembles.md): 24 câu hỏi, Mid-Level - [ML Không Giám Sát](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/ml-unsupervised.md): 22 câu hỏi, Mid-Level - [Pipeline ML & Xác thực](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/ml-pipelines-validation.md): 22 câu hỏi, Mid-Level - [Chuỗi thời gian & Dự báo](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/time-series-forecasting.md): 22 câu hỏi, Mid-Level - [Cơ Bản Về Deep Learning](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/deep-learning-fundamentals.md): 24 câu hỏi, Senior - [TensorFlow & Keras](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/tensorflow-keras.md): 22 câu hỏi, Senior - [CNN và phân loại hình ảnh](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/cnn-image-classification.md): 24 câu hỏi, Senior - [RNN & Chuỗi](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/rnn-sequences.md): 22 câu hỏi, Senior - [Transformers & Attention](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/transformers-attention.md): 24 câu hỏi, Senior - [NLP & Hugging Face](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/nlp-huggingface.md): 24 câu hỏi, Senior - [GenAI & LangChain](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/genai-langchain.md): 24 câu hỏi, Senior - [MLOps và Triển khai](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/mlops-deployment.md): 24 câu hỏi, Senior --- Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack. HTML version of this page: https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/ml-supervised-classification