- 1. Maszyna wektorów nośnych (SVM) to nadzorowany algorytm uczenia maszynowego, który jest powszechnie używany do zadań klasyfikacji i regresji. Celem SVM jest znalezienie hiperpłaszczyzny, która najlepiej dzieli punkty danych na różne klasy, z wyraźnym marginesem między klasami. SVM działa poprzez mapowanie danych wejściowych do wielowymiarowej przestrzeni cech i znalezienie optymalnej hiperpłaszczyzny, która maksymalizuje margines między klasami. Ta optymalna hiperpłaszczyzna jest znajdowana poprzez rozwiązanie problemu optymalizacji, który ma na celu zminimalizowanie błędu klasyfikacji i zmaksymalizowanie marginesu. SVM jest znana ze swojej zdolności do radzenia sobie z wysokowymiarowymi danymi i złożonymi zadaniami klasyfikacyjnymi. Jest również skuteczny w radzeniu sobie z danymi nieliniowymi, wykorzystując funkcje jądra do mapowania danych w przestrzeni o wyższym wymiarze. SVM jest szeroko stosowana w różnych aplikacjach, takich jak klasyfikacja tekstu, rozpoznawanie obrazów i bioinformatyka, ze względu na jej elastyczność, dokładność i niezawodność.
Do czego służy maszyna wektorów nośnych (SVM)?
A) Edycja wideo
B) Klasyfikacja i regresja
C) Rozpoznawanie mowy
D) Przetwarzanie obrazu
- 2. Na czym polega sztuczka z jądrem w SVM?
A) Uproszczenie granicy decyzji
B) Dodawanie szumu do danych
C) Mapowanie danych do przestrzeni o wyższym wymiarze
D) Usuwanie wartości odstających
- 3. Które jądro jest powszechnie używane w SVM do klasyfikacji nieliniowej?
A) Jądro wielomianowe
B) RBF (radialna funkcja bazowa)
C) Jądro liniowe
D) Jądro sigmoidalne
- 4. Który algorytm optymalizacji jest powszechnie stosowany w uczeniu SVM?
A) Adam
B) Sekwencyjna minimalna optymalizacja (SMO)
C) Metoda Newtona
D) Gradient zejścia
- 5. Czym jest parametr regularyzacji C w SVM?
A) Kompromis między marginesem a błędem
B) Parametr jądra
C) Liczba wektorów podporowych
D) Liczba wymiarów
- 6. Jaka jest funkcja straty używana w SVM?
A) Błąd średniokwadratowy
B) Regulacja L2
C) Utrata zawiasu
D) Utrata entropii krzyżowej
- 7. Do czego służy sztuczka jądra w SVM?
A) Zapobieganie nadmiernemu dopasowaniu
B) Usuwanie szumu w danych
C) Uproszczenie złożoności modelu
D) Efektywna obsługa nieliniowych danych rozłącznych
- 8. Jaka jest rola funkcji jądra w SVM?
A) Aktualizacja wag modelu
B) Obliczanie szerokości marginesu
C) Mapowanie danych wejściowych do przestrzeni o wyższym wymiarze
D) Wybór wektorów podporowych
|