- 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) Video düzenleme
B) Görüntü işleme
C) Konuşma tanıma
D) Sınıflandırma ve regresyon
- 2. DVM'de çekirdek hilesi nedir?
A) Karar sınırının basitleştirilmesi
B) Verilere gürültü ekleme
C) Aykırı değerleri kaldırma
D) Verileri daha yüksek boyutlu uzaya eşleme
- 3. Doğrusal olmayan sınıflandırma için DVM'de yaygın olarak hangi çekirdek kullanılır?
A) Doğrusal çekirdek
B) Sigmoid çekirdek
C) Polinom çekirdeği
D) RBF (Radyal Taban Fonksiyonu)
- 4. DVM'de düzenlilik parametresi C nedir?
A) Marj ve hata arasındaki denge
B) Destek vektörlerinin sayısı
C) Boyut sayısı
D) Çekirdek parametresi
- 5. DVM'de kullanılan kayıp fonksiyonu nedir?
A) Ortalama karesel hata
B) Menteşe kaybı
C) L2 düzenlemesi
D) Çapraz entropi kaybı
- 6. DVM eğitiminde yaygın olarak hangi optimizasyon algoritması kullanılır?
A) Gradyan İniş
B) Sıralı Minimal Optimizasyon (SMO)
C) Adam
D) Newton'un Yöntemi
- 7. DVM'deki çekirdek hilesi ne için kullanılır?
A) Doğrusal olmayan ayrılabilir verilerin verimli bir şekilde işlenmesi
B) Model karmaşıklığının basitleştirilmesi
C) Aşırı uyumun önlenmesi
D) Verilerdeki gürültüyü giderme
- 8. SVM'de çekirdek fonksiyonunun rolü nedir?
A) Model ağırlıklarının güncellenmesi
B) Giriş verilerini daha yüksek boyutlu bir uzaya eşleme
C) Kenar boşluğu genişliğini hesaplama
D) Destek vektörlerinin seçilmesi
|