- 1. Podporni vektorski stroj (SVM) je algoritem za nadzorovano strojno učenje, ki se pogosto uporablja za naloge klasifikacije in regresije. Cilj SVM je poiskati hiperravnino, ki najbolje razdeli podatkovne točke v različne razrede z jasno mejo med razredi. SVM deluje tako, da vhodne podatke preslika v visokorazsežni prostor lastnosti in poišče optimalno hiperravnino, ki maksimizira maržo med razredi. Ta optimalna hiperploskev se najde z reševanjem optimizacijskega problema, katerega cilj je čim bolj zmanjšati napako klasifikacije in čim bolj povečati razliko. SVM je znan po tem, da je sposoben obravnavati zelo razsežne podatke in zapletene naloge klasifikacije. Učinkovit je tudi pri obravnavi nelinearnih podatkov, saj z uporabo funkcij jedra podatke preslika v bolj razsežen prostor. SVM se zaradi svoje prilagodljivosti, natančnosti in robustnosti pogosto uporablja v različnih aplikacijah, kot so klasifikacija besedil, prepoznavanje slik in bioinformatika.
Za kaj se uporablja podporni vektorski stroj (SVM)?
A) Urejanje videoposnetkov
B) Klasifikacija in regresija
C) Obdelava slik
D) Prepoznavanje govora
- 2. Kakšen je trik jedra pri SVM?
A) Dodajanje šuma v podatke
B) Poenostavitev meje odločanja
C) Prikazovanje podatkov v večdimenzionalni prostor
D) Odstranjevanje izstopajočih vrednosti
- 3. Katero jedro se običajno uporablja v SVM za nelinearno klasifikacijo?
A) Linearno jedro
B) RBF (radialna osnovna funkcija)
C) Sigmoidno jedro
D) Polinomsko jedro
- 4. Za kaj se uporablja trik z jedrom v SVM?
A) Učinkovito obravnavanje nelinearnih ločljivih podatkov
B) Odstranjevanje šuma v podatkih
C) Preprečevanje pretiranega prilagajanja
D) Poenostavitev kompleksnosti modela
- 5. Kaj je parameter regularizacije C v SVM?
A) Parameter jedra
B) Število podpornih vektorjev
C) Kompromis med stopnjo in napako
D) Število dimenzij
- 6. Kateri optimizacijski algoritem se običajno uporablja pri usposabljanju SVM?
A) Adam
B) Sekvenčna minimalna optimizacija (SMO)
C) Newtonova metoda
D) Gradientni spust
- 7. Kakšna je vloga funkcije jedra v SVM?
A) Ujemanje vhodnih podatkov v bolj razsežen prostor
B) Izbira podpornih vektorjev
C) Izračun širine roba
D) Posodabljanje uteži modela
- 8. Kakšna je funkcija izgube, ki se uporablja v SVM?
A) regularizacija L2
B) Izguba navzkrižne entropije
C) Srednja kvadratna napaka
D) Izguba tečajev
|