<pre style="text-align: center;"><em>"[___WARNING_Kh&oacute;a học đang trong qu&aacute; tr&igrave;nh cập nhật nội dung mỗi tuần <br />n&ecirc;n kh&ocirc;ng thể tr&aacute;nh khỏi sai s&oacute;t. Rất mong bạn đọc th&ocirc;ng cảm. <br />Nếu c&oacute; bất cứ thắc mắc n&agrave;o h&atilde;y ib cho page <a href="https://www.facebook.com/tek4.vn">TEK4.VN</a> <br />hoặc thảo luận tại group <a href="https://www.facebook.com/groups/tek4.vn">TEK4.VN- Học Lập Tr&igrave;nh Miễn Ph&iacute;</a>_WARNING___]"</em></pre>
<h3 style="text-align: justify;">Giới thiệu kh&oacute;a học machine learning cơ bản với Python</h3>
<p style="text-align: justify;">Bạn nghe n&oacute;i về tr&iacute; tuệ nh&acirc;n tạo rồi machine learning v&agrave; muốn t&igrave;m hiểu về n&oacute;. Kh&oacute;a học n&agrave;y l&agrave; gi&agrave;nh cho bạn.</p>
<p style="text-align: justify;">Kh&oacute;a học n&agrave;y được thiết kế một c&aacute;ch b&agrave;i bản với những kiến thức từ cơ bản đến n&acirc;ng cao gi&uacute;p bạn c&oacute; khả năng l&agrave;m quen một c&aacute;ch dễ d&agrave;ng nhất với lĩnh vực machine learning.</p>
<p style="text-align: justify;">C&aacute;c chủ đề của kh&oacute;a học được thiết kế liền mạch với những giải th&iacute;ch dễ hiểu v&agrave; v&iacute; dụ minh họa thực tế. Với mỗi b&agrave;i học, bạn sẽ được l&agrave;m quen với c&aacute;c kỹ năng mới v&agrave; n&acirc;ng cao hiểu biết của m&igrave;nh về lĩnh vực học m&aacute;y đầy th&aacute;ch thức nhưng lại v&ocirc; c&ugrave;ng th&uacute; vị với nhiều ứng dụng thực tế n&agrave;y.</p>
<p style="text-align: justify;">Một điều đặc biệt nữa của kh&oacute;a học l&agrave; n&oacute; được thiết kế sao cho mỗi phần l&agrave; tương đối độc lập. V&igrave; vậy, bạn c&oacute; thể học to&agrave;n bộ kh&oacute;a học từ đầu đến cuối hoặc bạn cũng c&oacute; thể nhảy ngay v&agrave;o bất kỳ phần cụ thể n&agrave;o v&agrave; t&igrave;m hiểu những g&igrave; bạn cần ngay lập tức.</p>
<p style="text-align: justify;">Hơn nữa, kh&oacute;a học bao gồm nhiều b&agrave;i tập dựa tr&ecirc;n c&aacute;c nghi&ecirc;n cứu t&igrave;nh huống thực tế trong đời sống. V&igrave; vậy, bạn kh&ocirc;ng chỉ học l&yacute; thuyết m&agrave; c&ograve;n được thực h&agrave;nh rất nhiều v&iacute; dụ để x&acirc;y dựng c&aacute;c m&ocirc; h&igrave;nh của ri&ecirc;ng m&igrave;nh một c&aacute;ch thực thụ. Đặc biệt, bạn sẽ được luyện tập với c&aacute;c kh&aacute;i niệm NGAY LẬP TỨC với hệ thống b&agrave;i tập được hệ thống h&oacute;a v&agrave; đ&aacute;nh gi&aacute; trực tiếp tr&ecirc;n TEK4.VN.</p>
<h3 style="text-align: justify;">Kh&oacute;a học machine learning cơ bản với Python n&agrave;y d&agrave;nh cho ai?</h3>
<ul>
<li style="text-align: justify;">Bất cứ ai quan t&acirc;m đến Machine Learning.</li>
<li style="text-align: justify;">Học vi&ecirc;n đ&atilde; c&oacute; những kiến thức trung học phổ th&ocirc;ng về to&aacute;n v&agrave; muốn bắt đầu học Machine Learning.</li>
<li style="text-align: justify;">Bất kỳ ai đ&atilde; c&oacute; những kiến thức cơ bản về học m&aacute;y, như c&aacute;c thuật to&aacute;n cổ điển như hồi quy tuyến t&iacute;nh hoặc hồi quy logistic, nhưng vẫn muốn t&igrave;m hiểu th&ecirc;m về học m&aacute;y v&agrave; kh&aacute;m ph&aacute; c&aacute;c kh&iacute;a cạnh kh&aacute;c của machine learning.</li>
<li style="text-align: justify;">Bất kỳ ai gặp kh&oacute; khăn trong việc lập tr&igrave;nh để &aacute;p dụng c&aacute;c thuật to&aacute;n học m&aacute;y v&agrave;o b&agrave;i to&aacute;n thực tế.</li>
<li style="text-align: justify;">Bất kỳ sinh vi&ecirc;n đại học n&agrave;o muốn bắt đầu sự nghiệp trong lĩnh vực machine learning.</li>
<li style="text-align: justify;">Bất kỳ ai muốn n&acirc;ng cao kiến thức của bản th&acirc;n trong lĩnh vực Machine Learning.</li>
<li style="text-align: justify;">Bất kỳ người n&agrave;o kh&ocirc;ng h&agrave;i l&ograve;ng với c&ocirc;ng việc của họ v&agrave; muốn trở th&agrave;nh Nh&agrave; khoa học dữ liệu.</li>
<li style="text-align: justify;">Bất kỳ người n&agrave;o muốn tạo gi&aacute; trị gia tăng cho doanh nghiệp của họ bằng c&aacute;ch sử dụng c&aacute;c c&ocirc;ng cụ Machine Learning mạnh mẽ.</li>
</ul>

Machine Learning cơ bản với Python

<div id="__reading__mode__header__container" class="header_container">
<div id="header_content_id" class="header_content"></div>
</div>
<div id="__reading__mode__mainbody__id" class="__reading__mode__mainbody">
<div id="mainContainer" class="__reading__mode__extracted__article__body">
<div class="ha hb hc hd he">
<p id="c13a" class="pw-post-body-paragraph jc jd hh je b jf ka jh ji jj kb jl jm jn kc jp jq jr kd jt ju jv ke jx jy jz ha bi">H&ocirc;m nay, ch&uacute;ng ta sẽ b&agrave;n về c&aacute;c đ&aacute;nh gi&aacute; c&aacute;c m&ocirc; h&igrave;nh ph&acirc;n loại đa lớp (multiclass classification)</p>
<h2 id="df33" class="ie if hh bd ig ih ii ij ik il im in io ip iq ir is it iu iv iw ix iy iz ja jb bi">Phương ph&aacute;p đ&aacute;nh gi&aacute;</h2>
<p class="pw-post-body-paragraph jc jd hh je b jf jg jh ji jj jk jl jm jn jo jp jq jr js jt ju jv jw jx jy jz ha bi">Để chọn được độ đo ch&iacute;nh x&aacute;c nhất để đ&aacute;nh gi&aacute; hiệu suất của m&ocirc; h&igrave;nh, ta cần dựa v&agrave;o c&aacute;c ti&ecirc;u ch&iacute;, trong đ&oacute; c&oacute; cả ph&acirc;n phối số lượng c&aacute;c lớp trong dữ liệu. Thường, một ph&eacute;p đo cụ thể sẽ đ&aacute;nh gi&aacute; c&aacute;c m&ocirc; h&igrave;nh từ một kh&iacute;a cạnh, nhưng kh&ocirc;ng bao qu&aacute;t được những kh&iacute;a cạnh kh&aacute;c. Cũng v&igrave; l&yacute; do n&agrave;y, kh&ocirc;ng c&oacute; một ph&eacute;p đo thống nhất n&agrave;o để đ&aacute;nh gi&aacute; chung hiệu suất của c&aacute;c m&ocirc; h&igrave;nh.&nbsp;</p>
<h2 id="6d44" class="ie if hh bd ig ih ii ij ik il im in io ip iq ir is it iu iv iw ix iy iz ja jb bi">C&aacute;c ph&eacute;p đo hiệu suất</h2>
<p id="b26c" class="pw-post-body-paragraph jc jd hh je b jf jg jh ji jj jk jl jm jn jo jp jq jr js jt ju jv jw jx jy jz ha bi">The classification report provides the main classification metrics on a per-class basis.</p>
<p class="pw-post-body-paragraph jc jd hh je b jf jg jh ji jj jk jl jm jn jo jp jq jr js jt ju jv jw jx jy jz ha bi">Th&ocirc;ng thường, ch&uacute;ng ta sử dụng c&aacute;c ph&eacute;p đo sau đ&acirc;y để đ&aacute;nh gi&aacute;:</p>
<p id="811e" class="pw-post-body-paragraph jc jd hh je b jf ka jh ji jj kb jl jm jn kc jp jq jr kd jt ju jv ke jx jy jz ha bi"><strong class="je hi">a) Precision </strong>$(\frac {tp} {tp + fp}$ l&agrave; tỉ lệ số điểm true positive trong số những điểm được ph&acirc;n loại l&agrave; positive (tp + fp).</p>
<p id="8359" class="pw-post-body-paragraph jc jd hh je b jf ka jh ji jj kb jl jm jn kc jp jq jr kd jt ju jv ke jx jy jz ha bi"><strong class="je hi">b) Recall</strong> $(\frac {tp} {tp + fn} l&agrave; tỉ lệ số điểm true positive trong số những điểm thực sự l&agrave; positive (tp + fn).</p>
<p id="a974" class="pw-post-body-paragraph jc jd hh je b jf ka jh ji jj kb jl jm jn kc jp jq jr kd jt ju jv ke jx jy jz ha bi"><strong class="je hi">c)</strong>&nbsp;<strong class="je hi">F1 score </strong>l&agrave; trung b&igrave;nh điều h&ograve;a của ph&eacute;p đo Precision v&agrave; Recall. Khi điểm F1 = 1, tức m&ocirc; h&igrave;nh đạt được sự c&acirc;n bằng giữa precision v&agrave; recall, v&igrave; 2 đại lượng n&agrave;y l&agrave; tỉ lệ nghịch với nhau.</p>
<p id="7b53" class="pw-post-body-paragraph jc jd hh je b jf ka jh ji jj kb jl jm jn kc jp jq jr kd jt ju jv ke jx jy jz ha bi"><strong class="je hi">d)</strong>&nbsp;<strong class="je hi">Support&nbsp;</strong>is the number of actual occurrences of the class in the test data set. Imbalanced support in the training data may indicate the need for stratified sampling or rebalancing. l&agrave; số lượng c&aacute;c điểm dữ liệu rơi v&agrave;o một lớp trong tập test. Nếu c&aacute;c điểm Support kh&ocirc;ng xấp xỉ nhau, dữ liệu sẽ cần được lấy mẫu ứng với x&aacute;c suất của từng lớp trong bộ dữ liệu, hoặc cần c&acirc;n bằng số điểm dữ liệu của từng lớp một.</p>
<div class="kh ki kj kk fd ab cb">
<figure class="kl km kn ko kp kq kr paragraph-image">
<div class="ks kt di ku bf kv" tabindex="0" role="button"><picture><img class="bf kw kx c c008" role="presentation" src="https://miro.medium.com/v2/resize:fit:526/1*KHWt0K0C-qjizHptwR7BKA.png" alt="" loading="eager" /></picture></div>
</figure>
<figure class="kl km kn ko kp kq kr paragraph-image">
<div class="ks kt di ku bf kv" tabindex="0" role="button"><picture><img class="bf kw kx c c008" role="presentation" src="https://miro.medium.com/v2/resize:fit:526/1*UwfMwYoXhpaa983x9om-gw.png" alt="" loading="eager" /></picture></div>
</figure>
</div>
<div class="ab cb">
<figure class="kl km kn ko kp kq kr paragraph-image">
<div class="ks kt di ku bf kv" tabindex="0" role="button"><picture><img class="bf kw kx c c008" role="presentation" src="https://miro.medium.com/v2/resize:fit:526/1*jexZ4m5ewjI_3fofXFkfrQ.png" alt="" loading="eager" /></picture></div>
</figure>
<figure class="kl km kn ko kp kq kr paragraph-image">
<div class="ks kt di ku bf kv" tabindex="0" role="button"><picture><img class="bf kw kx c c008" role="presentation" src="https://miro.medium.com/v2/resize:fit:526/1*kQ10aS9dJyDwbF2PkSh6MQ.png" alt="" loading="eager" /></picture></div>
</figure>
</div>
<p class="pw-post-body-paragraph jc jd hh je b jf ka jh ji jj kb jl jm jn kc jp jq jr kd jt ju jv ke jx jy jz ha bi">Phương ph&aacute;p trung b&igrave;nh vi m&ocirc; (micro-averaging) v&agrave; trung b&igrave;nh vĩ m&ocirc; (macro-averaging) được sử dụng để t&iacute;nh gi&aacute; trị precision, recall,... chung của to&agrave;n bộ dữ liệu, dựa v&agrave;o c&aacute;c gi&aacute; trị tương ứng của từng lớp ri&ecirc;ng biệt. Phương ph&aacute;p trung b&igrave;nh vĩ m&ocirc; t&iacute;nh to&aacute;n độ đo một c&aacute;ch tự động cho mỗi lớp v&agrave; t&iacute;nh trung b&igrave;nh của c&aacute;c độ đo đ&oacute;. Trong khi đ&oacute;, phương ph&aacute;p trung b&igrave;nh vi m&ocirc; t&iacute;nh to&aacute;n độ đo l&agrave; trung b&igrave;nh to&agrave;n thể tất cả c&aacute;c lớp. Trung b&igrave;nh vi m&ocirc; được sử dụng trong c&aacute;c tập dữ liệu kh&ocirc;ng c&acirc;n bằng v&igrave; phương ph&aacute;p n&agrave;y t&iacute;nh tần suất của mỗi lớp v&agrave;o phương ph&aacute;p t&iacute;nh to&aacute;n.&nbsp;</p>
<h2 id="eb8e" class="ie if hh bd ig ih ii ij ik il im in io ip iq ir is it iu iv iw ix iy iz ja jb bi">Confusion Matrix</h2>
<p id="dac2" class="pw-post-body-paragraph jc jd hh je b jf jg jh ji jj jk jl jm jn jo jp jq jr js jt ju jv jw jx jy jz ha bi">Confusion matrix l&agrave; một ma trận vu&ocirc;ng với k&iacute;ch thước mỗi chiều bằng số lượng lớp dữ liệu. Gi&aacute; trị tại h&agrave;ng thứ <code class="language-plaintext highlighter-rouge">i</code>, cột thứ&nbsp;<code class="language-plaintext highlighter-rouge">j</code>&nbsp;l&agrave; số lượng điểm&nbsp;<strong>lẽ ra thuộc v&agrave;o class&nbsp;<code class="language-plaintext highlighter-rouge">i</code>&nbsp;nhưng lại được dự đo&aacute;n l&agrave; thuộc v&agrave;o class&nbsp;<code class="language-plaintext highlighter-rouge">j</code></strong>.&nbsp;</p>
<div class="kh ki kj kk fd ab cb">
<figure class="kl km kn ko kp kq kr paragraph-image">
<div class="ks kt di ku bf kv" tabindex="0" role="button"><picture><img class="bf kw kx c c008" role="presentation" src="https://miro.medium.com/v2/resize:fit:540/1*C3tJ9gaeyIVYBoUurKttAg.png" alt="" loading="eager" /></picture></div>
</figure>
<figure class="kl km kn ko kp kq kr paragraph-image">
<div class="ks kt di ku bf kv" tabindex="0" role="button"><picture><img class="bf kw kx c c008" role="presentation" src="https://miro.medium.com/v2/resize:fit:540/1*uED5gbqoBA9Gi0ThwXd8RA.png" alt="" loading="eager" /></picture></div>
</figure>
</div>
<div class="ab cb">
<figure class="kl km kn ko kp kq kr paragraph-image">
<div class="ks kt di ku bf kv" tabindex="0" role="button"><picture><img class="bf kw kx c c008" role="presentation" src="https://miro.medium.com/v2/resize:fit:540/1*70FuTYGgcWvkAY9O7-rBOw.png" alt="" loading="eager" /></picture></div>
</figure>
<figure class="kl km kn ko kp kq kr paragraph-image">
<div class="ks kt di ku bf kv" tabindex="0" role="button"><picture><img class="bf kw kx c c008" role="presentation" src="https://miro.medium.com/v2/resize:fit:540/1*JVeltO8D1sYi_7jJk3kSdw.png" alt="" loading="eager" /></picture></div>
</figure>
</div>
<h2 id="fcf6" class="ie if hh bd ig ih ii ij ik il im in io ip iq ir is it iu iv iw ix iy iz ja jb bi">Class Prediction Error</h2>
<p id="3e3a" class="pw-post-body-paragraph jc jd hh je b jf jg jh ji jj jk jl jm jn jo jp jq jr js jt ju jv jw jx jy jz ha bi">L&agrave; một biến thể của Confusion Matrix, biểu đồ Class Prediction Error thể hiện c&aacute;c điểm dữ liệu bị đo&aacute;n nhận nhầm th&agrave;nh c&aacute;c cột chồng l&ecirc;n nhau. Mỗi cột l&agrave; tổng hợp c&aacute;c số lượng c&aacute;c điểm được ph&acirc;n loại v&agrave;o lớp đ&oacute;.</p>
<div class="kh ki kj kk fd ab cb">
<figure class="kl km kn ko kp kq kr paragraph-image"><picture><img class="bf kw kx c c008" role="presentation" src="https://miro.medium.com/v2/resize:fit:473/1*-I8NY3QO2qkUNVvflerAzg.png" alt="" loading="eager" /></picture></figure>
<figure class="kl km kn ko kp kq kr paragraph-image"><picture><img class="bf kw kx c c008" role="presentation" src="https://miro.medium.com/v2/resize:fit:473/1*MbUjIy6TCo_vvTPGNjFJug.png" alt="" loading="eager" /></picture></figure>
</div>
<div class="ab cb">
<figure class="kl km kn ko kp kq kr paragraph-image"><picture><img class="bf kw kx c c008" role="presentation" src="https://miro.medium.com/v2/resize:fit:473/1*dn61Q26LbG5JGH_f9N6pvw.png" alt="" loading="eager" /></picture></figure>
<figure class="kl km kn ko kp kq kr paragraph-image"><picture><img class="bf kw kx c c008" role="presentation" src="https://miro.medium.com/v2/resize:fit:473/1*Pa8e0uxhXB28aeZNJj-Vhw.png" alt="" loading="eager" /></picture></figure>
</div>
<h2 id="8b6f" class="ie if hh bd ig ih ii ij ik il im in io ip iq ir is it iu iv iw ix iy iz ja jb bi">Điểm Cohen&rsquo;s Kappa</h2>
<p class="pw-post-body-paragraph jc jd hh je b jf jg jh ji jj jk jl jm jn jo jp jq jr js jt ju jv jw jx jy jz ha bi">L&agrave; một trong c&aacute;c độ đo tốt nhất để đ&aacute;nh gi&aacute; c&aacute;c m&ocirc; h&igrave;nh đa lớp tr&ecirc;n tập dữ liệu kh&ocirc;ng c&acirc;n bằng.</p>
<p class="pw-post-body-paragraph jc jd hh je b jf jg jh ji jj jk jl jm jn jo jp jq jr js jt ju jv jw jx jy jz ha bi">C&ocirc;ng thức của điểm Cohen's Kappa l&agrave; như sau:\</p>
<p class="pw-post-body-paragraph jc jd hh je b jf jg jh ji jj jk jl jm jn jo jp jq jr js jt ju jv jw jx jy jz ha bi">$${\displaystyle \kappa \equiv {\frac {p_{o}-p_{e}}{1-p_{e}}}=1-{\frac {1-p_{o}}{1-p_{e}}},}$$,</p>
<p class="pw-post-body-paragraph jc jd hh je b jf jg jh ji jj jk jl jm jn jo jp jq jr js jt ju jv jw jx jy jz ha bi">với $p_e$ được t&iacute;nh như sau:</p>
<p class="pw-post-body-paragraph jc jd hh je b jf jg jh ji jj jk jl jm jn jo jp jq jr js jt ju jv jw jx jy jz ha bi">$${\displaystyle p_{e}=\sum _{k}{\widehat {p_{k12}}}=\sum _{k}{\widehat {p_{k1}}}{\widehat {p_{k2}}}=\sum _{k}{\frac {n_{k1}}{N}}{\frac {n_{k2}}{N}}={\frac {1}{N^{2}}}\sum _{k}n_{k1}n_{k2}}$$</p>
<p id="a58e" class="pw-post-body-paragraph jc jd hh je b jf ka jh ji jj kb jl jm jn kc jp jq jr kd jt ju jv ke jx jy jz ha bi">Thấy rằng, điểm Cohen's Kappa c&agrave;ng gần 1, c&agrave;ng tốt.</p>
<h2 id="bf86" class="ie if hh bd ig ih ii ij ik il im in io ip iq ir is it iu iv iw ix iy iz ja jb bi">Cross-Entropy</h2>
<p class="pw-post-body-paragraph jc jd hh je b jf jg jh ji jj jk jl jm jn jo jp jq jr js jt ju jv jw jx jy jz ha bi">Cross-entropy đo lường mức độ ph&ugrave; hợp giữa x&aacute;c suất dự đo&aacute;n với dữ liệu cho trước, v&agrave; được sử dụng cho c&aacute;c bộ ph&acirc;n loại x&aacute;c suất như Na&iuml;ve Bayes. N&oacute; l&agrave; dạng chung hơn so với h&agrave;m mất m&aacute;t dạng log, v&agrave; được sử dụng để định lượng mất m&aacute;t của c&aacute;c dự đo&aacute;n kh&ocirc;ng ch&iacute;nh x&aacute;c. Điểm c&agrave;ng thấp, mo h&igrave;nh c&agrave;ng ch&iacute;nh x&aacute;c.</p>
<p class="pw-post-body-paragraph jc jd hh je b jf jg jh ji jj jk jl jm jn jo jp jq jr js jt ju jv jw jx jy jz ha bi">C&ocirc;ng thức của Cross-entropy l&agrave; như sau:</p>
<p class="pw-post-body-paragraph jc jd hh je b jf jg jh ji jj jk jl jm jn jo jp jq jr js jt ju jv jw jx jy jz ha bi">$${\displaystyle H(P,Q)=-\sum _{x\in {\mathcal {X}}}p(x)\,\log q(x)}$$</p>
<h2 id="a014" class="ie if hh bd ig ih ii ij ik il im in io ip iq ir is it iu iv iw ix iy iz ja jb bi">Mathews Correlation Coefficient (MCC)</h2>
<p id="aedc" class="pw-post-body-paragraph jc jd hh je b jf jg jh ji jj jk jl jm jn jo jp jq jr js jt ju jv jw jx jy jz ha bi">MCC, originally devised for binary classification on unbalanced classes, has been extended to evaluates multiclass classifiers by computing the correlation coefficient between the observed and predicted classifications.<strong class="je hi"><em class="kf">&nbsp;A coefficient of +1 represents a perfect prediction, 0 is similar to a random prediction and &minus;1 indicates an inverse prediction.</em></strong></p>
<p id="29ce" class="pw-post-body-paragraph jc jd hh je b jf ka jh ji jj kb jl jm jn kc jp jq jr kd jt ju jv ke jx jy jz ha bi">The table below provides a comparison of these metrics.</p>
<p class="pw-post-body-paragraph jc jd hh je b jf ka jh ji jj kb jl jm jn kc jp jq jr kd jt ju jv ke jx jy jz ha bi">MCC, vốn được sử dụng để đo hiệu suất của m&ocirc; h&igrave;nh nhị phan với lớp kh&ocirc;ng c&acirc;n bằng, giờ đ&atilde; được mở rộng để đ&aacute;nh gi&aacute; c&aacute;c m&ocirc; h&igrave;nh ph&acirc;n loại đa lớp, bằng c&aacute;ch t&iacute;nh độ tương quan tuyến t&iacute;nh giữa nh&atilde;n của tập dữ liệu với kết quả đo&aacute;n nhận. Khi kết quả bằng 1, hiệu suất của m&ocirc; h&igrave;nh l&agrave; tối đa. Kết quả bằng -1 cho thấy m&ocirc; h&igrave;nh học m&aacute;y học ngược lại với dữ liệu, v&agrave; bằng 0 cho thấy rằng hiệu suất m&ocirc; h&igrave;nh kh&ocirc;ng học được g&igrave;.</p>
<figure class="kh ki kj kk fd km er es paragraph-image">
<div class="ks kt di ku bf kv" tabindex="0" role="button">
<div class="er es ky"><picture><img class="bf kw kx c c008" role="presentation" src="https://miro.medium.com/v2/resize:fit:700/1*amH3DfgjNMAKobYED9YxeQ.png" alt="" loading="lazy" /></picture></div>
</div>
</figure>
</div>
</div>
</div>

Ví Dụ Đánh Giá Hiệu Quả Của Bài Toán Phân Lớp (Đa Lớp)