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