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