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