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