- 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) Редагування відео
B) Розпізнавання мови
C) Обробка зображень
D) Класифікація та регресія
- 2. У чому полягає хитрість ядра в SVM?
A) Спрощення межі прийняття рішень
B) Видалення викидів
C) Додавання шуму до даних
D) Відображення даних у простір вищої розмірності
- 3. Яке ядро найчастіше використовується в SVM для нелінійної класифікації?
A) Поліноміальне ядро
B) RBF (Radial Basis Function)
C) Сигмоїдне ядро
D) Лінійне ядро
- 4. 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
- 5. Який алгоритм оптимізації найчастіше використовується для навчання ШНМ?
A) Послідовна мінімальна оптимізація (SMO)
B) Адаме.
C) Метод Ньютона
D) Градієнтний спуск
- 6. Яка роль функції ядра в SVM?
A) Відображення вхідних даних у простір вищої розмірності
B) Вибір векторів підтримки
C) Розрахунок ширини полів
D) Оновлення ваг моделей
- 7. Яка функція втрат використовується в SVM?
A) Середня квадратична похибка
B) Втрата перехресної ентропії
C) L2 регуляризація
D) Втрата петлі
- 8. Що таке параметр регуляризації C в SVM?
A) Кількість опорних векторів
B) Параметр ядра
C) Компроміс між маржею та похибкою
D) Кількість розмірів
|