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