- 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) Обробка зображень
B) Розпізнавання мови
C) Редагування відео
D) Класифікація та регресія
- 2. У чому полягає хитрість ядра в SVM?
A) Спрощення межі прийняття рішень
B) Додавання шуму до даних
C) Відображення даних у простір вищої розмірності
D) Видалення викидів
- 3. Яке ядро найчастіше використовується в SVM для нелінійної класифікації?
A) Сигмоїдне ядро
B) RBF (Radial Basis Function)
C) Лінійне ядро
D) Поліноміальне ядро
- 4. Для чого використовується трюк з ядром у SVM?
A) Запобігання надмірному пристосуванню
B) Ефективна обробка нелінійних даних, що розділяються
C) Спрощення складності моделі
D) Видалення шуму в даних
- 5. Який алгоритм оптимізації найчастіше використовується для навчання ШНМ?
A) Метод Ньютона
B) Градієнтний спуск
C) Послідовна мінімальна оптимізація (SMO)
D) Адаме.
- 6. Яка роль функції ядра в SVM?
A) Розрахунок ширини полів
B) Вибір векторів підтримки
C) Оновлення ваг моделей
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 розмірів
B) Компроміс між маржею та похибкою
C) Кількість опорних векторів
D) Параметр ядра
|