- 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) Dodajanje šuma v podatke
B) Odstranjevanje izstopajočih vrednosti
C) Poenostavitev meje odločanja
D) Prikazovanje podatkov v večdimenzionalni prostor
- 3. Katero jedro se običajno uporablja v SVM za nelinearno klasifikacijo?
A) Linearno jedro
B) Polinomsko jedro
C) Sigmoidno jedro
D) RBF (radialna osnovna funkcija)
- 4. Kakšna je vloga funkcije jedra v SVM?
A) Izbira podpornih vektorjev
B) Ujemanje vhodnih podatkov v bolj razsežen prostor
C) Posodabljanje uteži modela
D) Izračun širine roba
- 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) Poenostavitev kompleksnosti modela
B) Preprečevanje pretiranega prilagajanja
C) Odstranjevanje šuma v podatkih
D) Učinkovito obravnavanje nelinearnih ločljivih podatkov
- 7. Kateri optimizacijski algoritem se običajno uporablja pri usposabljanju SVM?
A) Adam
B) Gradientni spust
C) Newtonova metoda
D) Sekvenčna minimalna optimizacija (SMO)
- 8. Kakšna je funkcija izgube, ki se uporablja v SVM?
A) Srednja kvadratna napaka
B) regularizacija L2
C) Izguba tečajev
D) Izguba navzkrižne entropije
|