- 1. Maszyna wektorów nośnych (SVM) to nadzorowany algorytm uczenia maszynowego, który jest powszechnie używany do zadań klasyfikacji i regresji. Celem SVM jest znalezienie hiperpłaszczyzny, która najlepiej dzieli punkty danych na różne klasy, z wyraźnym marginesem między klasami. SVM działa poprzez mapowanie danych wejściowych do wielowymiarowej przestrzeni cech i znalezienie optymalnej hiperpłaszczyzny, która maksymalizuje margines między klasami. Ta optymalna hiperpłaszczyzna jest znajdowana poprzez rozwiązanie problemu optymalizacji, który ma na celu zminimalizowanie błędu klasyfikacji i zmaksymalizowanie marginesu. SVM jest znana ze swojej zdolności do radzenia sobie z wysokowymiarowymi danymi i złożonymi zadaniami klasyfikacyjnymi. Jest również skuteczny w radzeniu sobie z danymi nieliniowymi, wykorzystując funkcje jądra do mapowania danych w przestrzeni o wyższym wymiarze. SVM jest szeroko stosowana w różnych aplikacjach, takich jak klasyfikacja tekstu, rozpoznawanie obrazów i bioinformatyka, ze względu na jej elastyczność, dokładność i niezawodność.
Do czego służy maszyna wektorów nośnych (SVM)?
A) Rozpoznawanie mowy
B) Edycja wideo
C) Przetwarzanie obrazu
D) Klasyfikacja i regresja
- 2. Na czym polega sztuczka z jądrem w SVM?
A) Dodawanie szumu do danych
B) Mapowanie danych do przestrzeni o wyższym wymiarze
C) Usuwanie wartości odstających
D) Uproszczenie granicy decyzji
- 3. Które jądro jest powszechnie używane w SVM do klasyfikacji nieliniowej?
A) Jądro sigmoidalne
B) RBF (radialna funkcja bazowa)
C) Jądro liniowe
D) Jądro wielomianowe
- 4. Do czego służy sztuczka jądra w SVM?
A) Efektywna obsługa nieliniowych danych rozłącznych
B) Zapobieganie nadmiernemu dopasowaniu
C) Uproszczenie złożoności modelu
D) Usuwanie szumu w danych
- 5. Jaka jest rola funkcji jądra w SVM?
A) Wybór wektorów podporowych
B) Aktualizacja wag modelu
C) Obliczanie szerokości marginesu
D) Mapowanie danych wejściowych do przestrzeni o wyższym wymiarze
- 6. Czym jest parametr regularyzacji C w SVM?
A) Liczba wektorów podporowych
B) Kompromis między marginesem a błędem
C) Parametr jądra
D) Liczba wymiarów
- 7. Jaka jest funkcja straty używana w SVM?
A) Błąd średniokwadratowy
B) Regulacja L2
C) Utrata zawiasu
D) Utrata entropii krzyżowej
- 8. Który algorytm optymalizacji jest powszechnie stosowany w uczeniu SVM?
A) Sekwencyjna minimalna optymalizacja (SMO)
B) Metoda Newtona
C) Adam
D) Gradient zejścia
|