- 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) Przetwarzanie obrazu
C) Rozpoznawanie mowy
D) Klasyfikacja i regresja
- 2. Na czym polega sztuczka z jądrem w SVM?
A) Uproszczenie granicy decyzji
B) Mapowanie danych do przestrzeni o wyższym wymiarze
C) Dodawanie szumu do danych
D) Usuwanie wartości odstających
- 3. Które jądro jest powszechnie używane w SVM do klasyfikacji nieliniowej?
A) Jądro wielomianowe
B) Jądro sigmoidalne
C) Jądro liniowe
D) RBF (radialna funkcja bazowa)
- 4. Który algorytm optymalizacji jest powszechnie stosowany w uczeniu SVM?
A) Sekwencyjna minimalna optymalizacja (SMO)
B) Gradient zejścia
C) Metoda Newtona
D) Adam
- 5. Czym jest parametr regularyzacji C w SVM?
A) Kompromis między marginesem a błędem
B) Liczba wymiarów
C) Parametr jądra
D) Liczba wektorów podporowych
- 6. Jaka jest funkcja straty używana w SVM?
A) Regulacja L2
B) Utrata zawiasu
C) Utrata entropii krzyżowej
D) Błąd średniokwadratowy
- 7. Do czego służy sztuczka jądra w SVM?
A) Zapobieganie nadmiernemu dopasowaniu
B) Uproszczenie złożoności modelu
C) Usuwanie szumu w danych
D) Efektywna obsługa nieliniowych danych rozłącznych
- 8. Jaka jest rola funkcji jądra w SVM?
A) Wybór wektorów podporowych
B) Aktualizacja wag modelu
C) Obliczanie szerokości marginesu
D) Mapowanie danych wejściowych do przestrzeni o wyższym wymiarze
|