- 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) Prepoznavanje govora
C) Klasifikacija in regresija
D) Urejanje videoposnetkov
- 2. Kakšen je trik jedra pri SVM?
A) Prikazovanje podatkov v večdimenzionalni prostor
B) Poenostavitev meje odločanja
C) Dodajanje šuma v podatke
D) Odstranjevanje izstopajočih vrednosti
- 3. Katero jedro se običajno uporablja v SVM za nelinearno klasifikacijo?
A) Polinomsko jedro
B) RBF (radialna osnovna funkcija)
C) Sigmoidno jedro
D) Linearno jedro
- 4. Kateri optimizacijski algoritem se običajno uporablja pri usposabljanju SVM?
A) Newtonova metoda
B) Sekvenčna minimalna optimizacija (SMO)
C) Adam
D) Gradientni spust
- 5. Kakšna je funkcija izgube, ki se uporablja v SVM?
A) regularizacija L2
B) Izguba navzkrižne entropije
C) Srednja kvadratna napaka
D) Izguba tečajev
- 6. Kaj je parameter regularizacije C v SVM?
A) Kompromis med stopnjo in napako
B) Število dimenzij
C) Število podpornih vektorjev
D) Parameter jedra
- 7. Kakšna je vloga funkcije jedra v SVM?
A) Izbira podpornih vektorjev
B) Posodabljanje uteži modela
C) Izračun širine roba
D) Ujemanje vhodnih podatkov v bolj razsežen prostor
- 8. Za kaj se uporablja trik z jedrom v SVM?
A) Preprečevanje pretiranega prilagajanja
B) Poenostavitev kompleksnosti modela
C) Učinkovito obravnavanje nelinearnih ločljivih podatkov
D) Odstranjevanje šuma v podatkih
|