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