- 1. Bir destek vektör makinesi (DVM), sınıflandırma ve regresyon görevleri için yaygın olarak kullanılan denetimli bir makine öğrenimi algoritmasıdır. DVM'nin amacı, veri noktalarını sınıflar arasında net bir marj ile farklı sınıflara en iyi şekilde ayıran hiper düzlemi bulmaktır. DVM, giriş verilerini yüksek boyutlu bir özellik uzayına eşleyerek ve sınıflar arasındaki marjı en üst düzeye çıkaran optimum hiper düzlemi bularak çalışır. Bu optimum hiper düzlem, sınıflandırma hatasını en aza indirmeyi ve marjı en üst düzeye çıkarmayı amaçlayan bir optimizasyon problemi çözülerek bulunur. DVM, yüksek boyutlu verileri ve karmaşık sınıflandırma görevlerini ele alma becerisiyle bilinir. Ayrıca, verileri daha yüksek boyutlu bir uzaya eşlemek için çekirdek işlevlerini kullanarak doğrusal olmayan verilerle başa çıkmada da etkilidir. SVM esnekliği, doğruluğu ve sağlamlığı nedeniyle metin sınıflandırma, görüntü tanıma ve biyoinformatik gibi çeşitli uygulamalarda yaygın olarak kullanılmaktadır.
Destek Vektör Makinesi (DVM) ne için kullanılır?
A) Sınıflandırma ve regresyon
B) Konuşma tanıma
C) Görüntü işleme
D) Video düzenleme
- 2. DVM'de çekirdek hilesi nedir?
A) Aykırı değerleri kaldırma
B) Verileri daha yüksek boyutlu uzaya eşleme
C) Karar sınırının basitleştirilmesi
D) Verilere gürültü ekleme
- 3. Doğrusal olmayan sınıflandırma için DVM'de yaygın olarak hangi çekirdek kullanılır?
A) Sigmoid çekirdek
B) RBF (Radyal Taban Fonksiyonu)
C) Polinom çekirdeği
D) Doğrusal çekirdek
- 4. DVM eğitiminde yaygın olarak hangi optimizasyon algoritması kullanılır?
A) Adam
B) Sıralı Minimal Optimizasyon (SMO)
C) Gradyan İniş
D) Newton'un Yöntemi
- 5. DVM'de kullanılan kayıp fonksiyonu nedir?
A) Ortalama karesel hata
B) Menteşe kaybı
C) L2 düzenlemesi
D) Çapraz entropi kaybı
- 6. DVM'deki çekirdek hilesi ne için kullanılır?
A) Model karmaşıklığının basitleştirilmesi
B) Aşırı uyumun önlenmesi
C) Doğrusal olmayan ayrılabilir verilerin verimli bir şekilde işlenmesi
D) Verilerdeki gürültüyü giderme
- 7. SVM'de çekirdek fonksiyonunun rolü nedir?
A) Giriş verilerini daha yüksek boyutlu bir uzaya eşleme
B) Kenar boşluğu genişliğini hesaplama
C) Model ağırlıklarının güncellenmesi
D) Destek vektörlerinin seçilmesi
- 8. DVM'de düzenlilik parametresi C nedir?
A) Destek vektörlerinin sayısı
B) Boyut sayısı
C) Çekirdek parametresi
D) Marj ve hata arasındaki denge
|