- 1. Podporni vektorski stroj (SVM) je algoritem za nadzorovano strojno učenje, ki se pogosto uporablja za naloge klasifikacije in regresije. Cilj SVM je poiskati hiperravnino, ki najbolje razdeli podatkovne točke v različne razrede z jasno mejo med razredi. SVM deluje tako, da vhodne podatke preslika v visokorazsežni prostor lastnosti in poišče optimalno hiperravnino, ki maksimizira maržo med razredi. Ta optimalna hiperploskev se najde z reševanjem optimizacijskega problema, katerega cilj je čim bolj zmanjšati napako klasifikacije in čim bolj povečati razliko. SVM je znan po tem, da je sposoben obravnavati zelo razsežne podatke in zapletene naloge klasifikacije. Učinkovit je tudi pri obravnavi nelinearnih podatkov, saj z uporabo funkcij jedra podatke preslika v bolj razsežen prostor. SVM se zaradi svoje prilagodljivosti, natančnosti in robustnosti pogosto uporablja v različnih aplikacijah, kot so klasifikacija besedil, prepoznavanje slik in bioinformatika.
Za kaj se uporablja podporni vektorski stroj (SVM)?
A) Obdelava slik
B) Urejanje videoposnetkov
C) Prepoznavanje govora
D) Klasifikacija in regresija
- 2. Kakšen je trik jedra pri SVM?
A) Dodajanje šuma v podatke
B) Prikazovanje podatkov v večdimenzionalni prostor
C) Poenostavitev meje odločanja
D) Odstranjevanje izstopajočih vrednosti
- 3. Katero jedro se običajno uporablja v SVM za nelinearno klasifikacijo?
A) Sigmoidno jedro
B) Polinomsko jedro
C) Linearno jedro
D) RBF (radialna osnovna funkcija)
- 4. Kakšna je vloga funkcije jedra v SVM?
A) Izbira podpornih vektorjev
B) Izračun širine roba
C) Ujemanje vhodnih podatkov v bolj razsežen prostor
D) Posodabljanje uteži modela
- 5. Kaj je parameter regularizacije C v SVM?
A) Število podpornih vektorjev
B) Parameter jedra
C) Število dimenzij
D) Kompromis med stopnjo in napako
- 6. Za kaj se uporablja trik z jedrom v SVM?
A) Preprečevanje pretiranega prilagajanja
B) Učinkovito obravnavanje nelinearnih ločljivih podatkov
C) Odstranjevanje šuma v podatkih
D) Poenostavitev kompleksnosti modela
- 7. Kateri optimizacijski algoritem se običajno uporablja pri usposabljanju SVM?
A) Adam
B) Sekvenčna minimalna optimizacija (SMO)
C) Gradientni spust
D) Newtonova metoda
- 8. Kakšna je funkcija izgube, ki se uporablja v SVM?
A) Izguba navzkrižne entropije
B) Srednja kvadratna napaka
C) Izguba tečajev
D) regularizacija L2
|