<rss xmlns:atom="http://www.w3.org/2005/Atom" version="2.0">
    <channel>
        <title>Machine Learning - Danh mục - NZQIRC</title>
        <link>https://nzqirc.xyz/categories/machine-learning/</link>
        <description>Machine Learning - Danh mục - NZQIRC</description>
        <generator>Hugo -- gohugo.io</generator><language>vi</language><copyright>This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.</copyright><lastBuildDate>Sat, 15 Aug 2026 21:01:00 &#43;0700</lastBuildDate><atom:link href="https://nzqirc.xyz/categories/machine-learning/" rel="self" type="application/rss+xml" /><item>
    <title>Hồi quy Logistic (Logistic Regression): Khi đường thẳng không còn phù hợp</title>
    <link>https://nzqirc.xyz/posts/math/stats/logistic-regression/</link>
    <pubDate>Sat, 15 Aug 2026 21:01:00 &#43;0700</pubDate>
    <author>Du Mã</author>
    <guid>https://nzqirc.xyz/posts/math/stats/logistic-regression/</guid>
    <description><![CDATA[<p>Trong bài viết trước về <a href="https://nzqirc.xyz/posts/math/stats/linear-regression/" rel="">Hồi quy tuyến tính</a>, chúng ta dùng một đường thẳng để dự đoán một giá trị liên tục (như giá nhà). Nhưng điều gì sẽ xảy ra nếu chúng ta muốn dự đoán một biến phân loại? Ví dụ: Dựa vào số giờ ôn thi, liệu học sinh có <strong>Đậu (1)</strong> hay <strong>Rớt (0)</strong>?</p>
<p>Nếu chúng ta cố gắng dùng một đường thẳng (Hồi quy tuyến tính) cho bài toán này, kết quả sẽ rất kỳ cục. Đường thẳng có thể trả về các giá trị như $1.5$ (hơn cả mức Đậu) hoặc $-0.3$ (dưới cả mức Rớt). Điều này không có ý nghĩa toán học khi ta muốn một xác suất nằm trong khoảng $[0, 1]$.</p>]]></description>
</item>
<item>
    <title>Hồi quy tuyến tính (Linear Regression): Trực giác đằng sau đường thẳng khớp nhất</title>
    <link>https://nzqirc.xyz/posts/math/stats/linear-regression/</link>
    <pubDate>Sat, 15 Aug 2026 21:00:00 &#43;0700</pubDate>
    <author>Du Mã</author>
    <guid>https://nzqirc.xyz/posts/math/stats/linear-regression/</guid>
    <description><![CDATA[<p>Hồi quy tuyến tính (Linear Regression) có lẽ là thuật toán học máy (machine learning) cơ bản và lâu đời nhất. Mặc dù có chữ &ldquo;machine learning&rdquo; nghe rất hiện đại, gốc rễ của nó đã được các nhà toán học như Gauss và Legendre tìm ra từ đầu thế kỷ 19.</p>
<p>Khi bạn có một tập hợp các điểm dữ liệu và bạn nhận thấy chúng có vẻ tuân theo một xu hướng tăng hoặc giảm, câu hỏi tự nhiên là: <strong>Làm sao để vẽ một đường thẳng đại diện tốt nhất cho xu hướng đó?</strong></p>]]></description>
</item>
</channel>
</rss>
