- 1. Uma máquina de vectores de suporte (SVM) é um algoritmo de aprendizagem automática supervisionada que é normalmente utilizado para tarefas de classificação e regressão. O objetivo do SVM é encontrar o hiperplano que melhor separa os pontos de dados em classes diferentes, com uma margem clara entre as classes. O SVM funciona mapeando os dados de entrada num espaço de caraterísticas de elevada dimensão e encontrando o hiperplano ótimo que maximiza a margem entre as classes. Este hiperplano ótimo é encontrado através da resolução de um problema de otimização que visa minimizar o erro de classificação e maximizar a margem. O SVM é conhecido pela sua capacidade de lidar com dados de elevada dimensão e tarefas de classificação complexas. Também é eficaz no tratamento de dados não lineares, utilizando funções de kernel para mapear os dados num espaço de dimensão superior. O SVM é amplamente utilizado em várias aplicações, como classificação de texto, reconhecimento de imagem e bioinformática, devido à sua flexibilidade, precisão e robustez.
Para que é utilizada uma Máquina de Vectores de Suporte (SVM)?
A) Edição de vídeo
B) Classificação e regressão
C) Processamento de imagens
D) Reconhecimento de voz
- 2. Qual é o truque do kernel no SVM?
A) Mapeamento de dados num espaço de dimensão superior
B) Remoção de valores anómalos
C) Simplificar a fronteira de decisão
D) Adicionar ruído aos dados
- 3. Que kernel é normalmente utilizado em SVM para classificação não linear?
A) Núcleo polinomial
B) RBF (Função de base radial)
C) Núcleo sigmoide
D) Núcleo linear
- 4. O que é o parâmetro de regularização C no SVM?
A) Número de vectores de apoio
B) Número de dimensões
C) Compensação entre margem e erro
D) Parâmetro do kernel
- 5. Qual é o papel da função kernel na SVM?
A) Mapeamento dos dados de entrada num espaço de dimensão superior
B) Atualização dos pesos do modelo
C) Seleção de vectores de apoio
D) Calcular a largura da margem
- 6. Qual é a função de perda utilizada no SVM?
A) Regularização L2
B) Perda de entropia cruzada
C) Perda da dobradiça
D) Erro médio quadrático
- 7. Que algoritmo de otimização é normalmente utilizado no treino de SVM?
A) Método de Newton
B) Otimização Sequencial Mínima (SMO)
C) Descida de gradiente
D) Adão
- 8. Para que é utilizado o truque do kernel no SVM?
A) Remoção de ruído nos dados
B) Evitar o sobreajuste
C) Simplificar a complexidade do modelo
D) Tratamento eficiente de dados separáveis não lineares
|