- 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) Відображення даних у простір вищої розмірності
B) Додавання шуму до даних
C) Спрощення межі прийняття рішень
D) Видалення викидів
- 3. Яке ядро найчастіше використовується в SVM для нелінійної класифікації?
A) Поліноміальне ядро
B) RBF (Radial Basis Function)
C) Лінійне ядро
D) Сигмоїдне ядро
- 4. Що таке параметр регуляризації C в SVM?
A) Кількість опорних векторів
B) Кількість розмірів
C) Компроміс між маржею та похибкою
D) Параметр ядра
- 5. Яка функція втрат використовується в SVM?
A) L2 регуляризація
B) Середня квадратична похибка
C) Втрата перехресної ентропії
D) Втрата петлі
- 6. Який алгоритм оптимізації найчастіше використовується для навчання ШНМ?
A) Метод Ньютона
B) Адаме.
C) Градієнтний спуск
D) Послідовна мінімальна оптимізація (SMO)
- 7. Для чого використовується трюк з ядром у SVM?
A) Запобігання надмірному пристосуванню
B) Спрощення складності моделі
C) Ефективна обробка нелінійних даних, що розділяються
D) Видалення шуму в даних
- 8. Яка роль функції ядра в SVM?
A) Оновлення ваг моделей
B) Вибір векторів підтримки
C) Відображення вхідних даних у простір вищої розмірності
D) Розрахунок ширини полів
|