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