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