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