Podporni vektorski stroj - Test
- 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) Klasifikacija in regresija
B) Prepoznavanje govora
C) Obdelava slik
D) Urejanje videoposnetkov
- 2. Kakšen je trik jedra pri SVM?
A) Dodajanje šuma v podatke
B) Prikazovanje podatkov v večdimenzionalni prostor
C) Poenostavitev meje odločanja
D) Odstranjevanje izstopajočih vrednosti
- 3. Katero jedro se običajno uporablja v SVM za nelinearno klasifikacijo?
A) Polinomsko jedro
B) Sigmoidno jedro
C) Linearno jedro
D) RBF (radialna osnovna funkcija)
- 4. Za kaj se uporablja trik z jedrom v SVM?
A) Poenostavitev kompleksnosti modela
B) Odstranjevanje šuma v podatkih
C) Preprečevanje pretiranega prilagajanja
D) Učinkovito obravnavanje nelinearnih ločljivih podatkov
- 5. Kaj je parameter regularizacije C v SVM?
A) Število dimenzij
B) Kompromis med stopnjo in napako
C) Parameter jedra
D) Število podpornih vektorjev
- 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) Izračun širine roba
B) Izbira podpornih vektorjev
C) Ujemanje vhodnih podatkov v bolj razsežen prostor
D) Posodabljanje uteži modela
- 8. Kakšna je funkcija izgube, ki se uporablja v SVM?
A) Izguba tečajev
B) Izguba navzkrižne entropije
C) Srednja kvadratna napaka
D) regularizacija L2
|