Машина опорних векторів - вікторина
- 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) Класифікація та регресія
D) Редагування відео
- 2. У чому полягає хитрість ядра в SVM?
A) Відображення даних у простір вищої розмірності
B) Додавання шуму до даних
C) Видалення викидів
D) Спрощення межі прийняття рішень
- 3. Яке ядро найчастіше використовується в SVM для нелінійної класифікації?
A) Поліноміальне ядро
B) Сигмоїдне ядро
C) RBF (Radial Basis Function)
D) Лінійне 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) Градієнтний спуск
B) Метод Ньютона
C) Адаме.
D) Послідовна мінімальна оптимізація (SMO)
- 6. Яка роль функції ядра в SVM?
A) Оновлення ваг моделей
B) Відображення вхідних даних у простір вищої розмірності
C) Розрахунок ширини полів
D) Вибір векторів підтримки
- 7. Яка функція втрат використовується в SVM?
A) Втрата перехресної ентропії
B) Середня квадратична похибка
C) L2 регуляризація
D) Втрата петлі
- 8. Що таке параметр регуляризації C в SVM?
A) Параметр ядра
B) Кількість розмірів
C) Компроміс між маржею та похибкою
D) Кількість опорних векторів
|