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