แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ยาก ระดับ

สนับสนุนแบบทดสอบเครื่องเวกเตอร์

ตรวจสอบการแยกแบบ hard-margin, เวกเตอร์รองรับ soft-margin, เคอร์เนล, ความคล้ายคลึงกันของ C, RBF, การใช้มิติสูง, แกมม่า และการปรับสเกลฟีเจอร์

เส้นทางแนะนำที่เกี่ยวข้องรองรับเครื่องเวกเตอร์
คำถาม 1 ของ 8

สำหรับข้อมูลไบนารี่แบบแยกเชิงเส้นได้ SVM แบบฮาร์ดมาร์จิ้นต้องการเพิ่มปริมาณทางเรขาคณิตเท่าใด

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. สำหรับข้อมูลไบนารี่แบบแยกเชิงเส้นได้ SVM แบบฮาร์ดมาร์จิ้นต้องการเพิ่มปริมาณทางเรขาคณิตเท่าใด
    • จำนวนแถวการฝึกที่ถูกลบ
    • ความสว่างของภาพทุกอินพุต
    • ขอบแยก
    • จำนวนเลเยอร์เครือข่ายที่ซ่อนอยู่
  2. ตัวอย่างการฝึกอบรมใดที่สนับสนุนเป็นเวกเตอร์สนับสนุนในฟังก์ชันการตัดสินใจ SVC ของเคอร์เนล soft-margin
    • จำแนกเฉพาะจุดใกล้ขอบเขตให้ถูกต้องเท่านั้นทุกกรณี
    • ตัวอย่างที่มีค่าสัมประสิทธิ์คู่ที่ไม่เป็นศูนย์ รวมถึงตัวที่อาจละเมิดหลักประกันได้
    • ตัวอย่างการฝึกอบรมทุกรายการมีน้ำหนักเท่ากันทุกประการตามคำจำกัดความ
    • เฉพาะสตริงป้ายกำกับคลาสที่ไม่มีค่าคุณลักษณะ
  3. ฟังก์ชันเคอร์เนลแทนที่การคำนวณแบบใดในสูตร SVM
    • ป้ายการฝึกอบรมทั้งหมด
    • ข้อกำหนดสำหรับตัวอย่างอินพุตใดๆ
    • ทุกการเปรียบเทียบตัวเลขกับการเรียงลำดับตัวอักษร
    • ผลิตภัณฑ์ภายในในการนำเสนอคุณลักษณะโดยนัย
  4. น้ำหนัก C ในวัตถุประสงค์ SVM แบบ soft-margin มาตรฐานคืออะไร
    • บทลงโทษสำหรับการละเมิดมาร์จิ้นที่เกี่ยวข้องกับการทำให้เป็นมาตรฐาน
    • จำนวนสีเอาท์พุตบังคับ
    • นามสกุลไฟล์ของตัวอย่างการฝึกอบรมทุกรายการ
    • จำนวนคลาสในทุกงานที่เป็นไปได้
  5. เคอร์เนลใดที่มักใช้เพื่อสร้างขอบเขตที่ยืดหยุ่นและโค้งมน
    • เคอร์เนล JPEG
    • เคอร์เนลฟังก์ชันพื้นฐานรัศมี (RBF)
    • เคอร์เนล TCP
    • เคอร์เนลตัวอักษร
  6. การตั้งค่าใดที่ทำให้ SVM คุ้มค่าแก่การประเมิน โดยไม่รับประกันประสิทธิภาพ
    • อินพุตเท่านั้นที่ไม่มีการแสดงคุณสมบัติ
    • กฎที่ว่าตัวอย่างนับพันล้านตัวอย่างนั้นไม่แพงเสมอไป
    • คุณสมบัติอินพุตมากมายสัมพันธ์กับจำนวนตัวอย่าง
    • เฉพาะไฟล์เสียงที่ไม่มีการเข้ารหัสตัวเลข
  7. ด้วยระยะอินพุต RBF คงที่ แกมม่าบวกที่มากกว่าจะส่งผลอย่างไรต่อความคล้ายคลึงที่ลดลงเมื่อระยะทางเพิ่มขึ้น
    • ทำให้มันสลายตัวเร็วขึ้น ทำให้เกิดอิทธิพลเฉพาะท้องถิ่นมากขึ้น
    • ทำให้มันสลายตัวช้าลง ทำให้เกิดอิทธิพลในวงกว้างขึ้น
    • ทำให้ความคล้ายคลึงเท่ากันทุกระยะที่ไม่ใช่ศูนย์
    • กำหนดบทลงโทษสำหรับการละเมิดมาร์จิ้นโดยคงความคล้ายคลึงไว้ไม่เปลี่ยนแปลง
  8. เหตุใดการเปลี่ยนแปลงหน่วยคุณลักษณะจึงส่งผลต่อ RBF SVM เว้นแต่การประมวลผลล่วงหน้าจะจัดการกับสเกล
    • RBF เปรียบเทียบลำดับหมวดหมู่โดยไม่สนใจระยะทางของพิกัด
    • ค่าคงที่ C จะยกเลิกทุกการเปลี่ยนแปลงของหน่วยคุณลักษณะโดยอัตโนมัติ
    • การสกัดกั้นที่เรียนรู้จะทำให้ทุกพิกัดอินพุตเป็นมาตรฐานเสมอ
    • เคอร์เนลใช้ระยะทางที่ขึ้นอยู่กับขนาดของคุณลักษณะ