Nederlands
Menu

Basis van machine learning

Welke beschrijving van een support vector machine (SVM) is juist?

  1. AZe trekt de grens zo dat de gemiddelde afstand van alle punten tot de grens maximaal is, waarbij alle trainingspunten zo gelijkmatig mogelijk worden gebruikt
  2. BVan de grenzen die twee klassen scheiden, kiest ze de grens waarbij de afstand (marge) tot de gegevens die het dichtst bij de grens liggen (de support vectors) maximaal is
  3. CZe neemt aan dat de kenmerken binnen elke klasse onderling onafhankelijk zijn en classificeert door de kans op elke klasse met de stelling van Bayes te berekenen
Antwoord en toelichting tonen

Antwoord: B. Van de grenzen die twee klassen scheiden, kiest ze de grens waarbij de afstand (marge) tot de gegevens die het dichtst bij de grens liggen (de support vectors) maximaal is

Een SVM is een classificatiemethode die van de grenzen (hypervlakken) die twee klassen scheiden, de grens met de grootste marge kiest. De grens wordt alleen bepaald door de paar gegevenspunten die er het dichtst bij liggen (de support vectors) en verandert niet als andere gegevenspunten een beetje verschuiven. Een grens met een grote marge maakt vermoedelijk ook op nieuwe gegevens minder fouten. Voor gegevens die niet met een rechte lijn te scheiden zijn, geeft de kernelmethode hetzelfde effect als het scheiden van de gegevens in een ruimte met meer dimensies.

Dit onderwerp oefenen Naar de onderwerppagina

Meer vragen over Basis van machine learning

  1. 20% van alle e-mails is spam. Een bepaald woord komt voor in 50% van de spammails en in 5% van de andere e-mails. Welke waarde ligt het dichtst bij de kans dat een e-mail met dit woord spam is?
  2. Welke logische functie kan niet worden weergegeven door een enkelvoudig perceptron dat alleen uit een invoerlaag en een uitvoerlaag bestaat (één neuron dat met een drempel 0 of 1 uitvoert)?
  3. Bij classificatie met drie klassen zijn de waarden die in de softmaxfunctie gaan (logits) 3, 1 en 0. Ongeveer hoeveel keer zo groot is de uitvoer (kans) van de eerste klasse als die van de tweede klasse? Welke waarde ligt het dichtst bij het antwoord?
  4. Een klein neuraal netwerk met de invoer x₁ = 1 en x₂ = 2 heeft twee verborgen neuronen h₁ = ReLU(x₁ + x₂ − 1) en h₂ = ReLU(x₁ − 2x₂ + 1) en de uitvoer y = 2h₁ + 3h₂ + 1. Wat is de waarde van y?
  5. Zij p de kans die een model aan de juiste klasse toekent. Welke beschrijving van het kruisentropieverlies −log p, dat wordt gebruikt om classificatiemodellen te trainen, is juist?