Машина опорних векторів - тест
- 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) Редагування відео
D) Класифікація та регресія
- 2. У чому полягає хитрість ядра в SVM?
A) Видалення викидів
B) Відображення даних у простір вищої розмірності
C) Додавання шуму до даних
D) Спрощення межі прийняття рішень
- 3. Яке ядро найчастіше використовується в SVM для нелінійної класифікації?
A) Поліноміальне ядро
B) RBF (Radial Basis Function)
C) Сигмоїдне ядро
D) Лінійне ядро
- 4. 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
- 5. Який алгоритм оптимізації найчастіше використовується для навчання ШНМ?
A) Градієнтний спуск
B) Послідовна мінімальна оптимізація (SMO)
C) Метод Ньютона
D) Адаме.
- 6. Яка роль функції ядра в SVM?
A) Оновлення ваг моделей
B) Розрахунок ширини полів
C) Вибір векторів підтримки
D) Відображення вхідних даних у простір вищої розмірності
- 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) Компроміс між маржею та похибкою
B) Кількість розмірів
C) Кількість опорних векторів
D) Параметр ядра
|