Test do rozdziału¶
Q-31: Maszyna wektorów podpierających SVM w swojej podstawowej postaci jest
Q-32: Marginesem hiperpłaszczyzny rozdzielającej próbki z dwóch klas nazywamy
Q-33: Jeśli w oraz b są odpowiednio wektorem wag oraz przesunięciem dla hiperpłaszczyzny rozdzielającej oraz g(x)=wTx+w0 to odległość wektora cech x od tej hiperpłaszczyzny wyraża się wzorem
Q-34: Celem uczenia liniowego klasyfikatora SVM jest
Q-35: Niech xi będzie wektorem cech obiektu uczącego a yi∈{−1,1} jego etykietą klasową. Dla kanonicznej optymalnej hiperpłaszczyzny rozdzielającej wTx+w0=0 klasyfikatora SVM zachodzi
Q-36: Wektorem podpierającym nazywamy
Q-37: W przypadku liniowo nieseparowalanym linowy klasyfikator SVM poszukuje minimum następującej funkcji kryterialnej
Q-38: Zestaw optymalnych współczynników Lagrange’a uzyskanych w toku maksymalizacji funkcji Q(α)=∑Ni=1αi−12∑Ni=1∑Nj=1αiαjyiyjxTixj pozwala na wyznaczenie parametrów w opisujących OSH zgodnie ze wzorami:
Q-39: Idea nieliniowego klasyfikatora SVM polega na
Q-40: Przykłądem funkcji jądra jest funkcja postaci