- 1. Машина опорних векторів (SVM) - це керований алгоритм машинного навчання, який зазвичай використовується для задач класифікації та регресії. Мета SVM - знайти гіперплощину, яка найкраще розділяє точки даних на різні класи з чіткою межею між класами. SVM працює шляхом відображення вхідних даних у високорозмірний простір ознак і знаходження оптимальної гіперплощини, яка максимізує відстань між класами. Ця оптимальна гіперплощина знаходиться шляхом розв'язання оптимізаційної задачі, яка має на меті мінімізувати помилку класифікації та максимізувати маржу. SVM відомий своєю здатністю обробляти дані високої розмірності та вирішувати складні завдання класифікації. Він також ефективний у роботі з нелінійними даними, використовуючи функції ядра для відображення даних у простір вищої розмірності. Завдяки своїй гнучкості, точності та надійності SVM широко використовується в різних додатках, таких як класифікація тексту, розпізнавання зображень та біоінформатика.
Для чого використовується машина опорних векторів (SVM)?
A) Класифікація та регресія
B) Розпізнавання мови
C) Обробка зображень
D) Редагування відео
- 2. У чому полягає хитрість ядра в SVM?
A) Видалення викидів
B) Додавання шуму до даних
C) Відображення даних у простір вищої розмірності
D) Спрощення межі прийняття рішень
- 3. Яке ядро найчастіше використовується в SVM для нелінійної класифікації?
A) Лінійне ядро
B) Поліноміальне ядро
C) RBF (Radial Basis Function)
D) Сигмоїдне ядро
- 4. Який алгоритм оптимізації найчастіше використовується для навчання ШНМ?
A) Градієнтний спуск
B) Метод Ньютона
C) Послідовна мінімальна оптимізація (SMO)
D) Адаме.
- 5. Для чого використовується трюк з ядром у SVM?
A) Запобігання надмірному пристосуванню
B) Видалення шуму в даних
C) Спрощення складності моделі
D) Ефективна обробка нелінійних даних, що розділяються
- 6. Яка роль функції ядра в SVM?
A) Розрахунок ширини полів
B) Оновлення ваг моделей
C) Вибір векторів підтримки
D) Відображення вхідних даних у простір вищої розмірності
- 7. Яка функція втрат використовується в SVM?
A) Втрата перехресної ентропії
B) Середня квадратична похибка
C) Втрата петлі
D) L2 регуляризація
- 8. Що таке параметр регуляризації C в SVM?
A) Кількість опорних векторів
B) Параметр ядра
C) Компроміс між маржею та похибкою
D) Кількість розмірів
|