Geral
Aprendizado de Máquina
Semana 4
0

Questão

A teoria de otimização aplicada à maximização de imagens utiliza algoritmos como Gradiente Descendente Estocástico (SGD) para encontrar mínimos locais ou globais. Esses algoritmos ajustam iterativamente os parâmetros de um modelo para reduzir a diferença entre a saída gerada e a imagem real.

Neste sentido, analisando os diferentes tipos de SVMs utilizados em aprendizado de máquinas, assinale a alternativa correta.
A) SVMs para classificação utilizam uma função kernel apenas quando os dados não são linearmente separáveis no espaço original.
B) SVMs com margens suaves são indicadas para dados linearmente separáveis e não utilizam parâmetros de regularização.
C) SVMs para regressão utilizam o conceito de margem, mas introduzem uma faixa de tolerância chamada estilo mostrar ϵ, que define uma região de erro aceitável.
D) SVMs com margens rígidas e suaves utilizam exclusivamente funções kernel não lineares para encontrar o hiperplano ótimo.
E) SVMs com margens rígidas permitem erros de classificação para maximizar a margem entre as classes.
function vote(questaoId, value) { window.location.href = "/accounts/login/?next=/questao/472/"; return; fetch(`/vote/questao/${questaoId}/`, { method: 'POST', headers: { 'Content-Type': 'application/json', 'X-CSRFToken': '6Vy6UR5phppEtQrtrIxjdKeuSfLeTkG28wKgHqesIsdCfdZaoeMEzGW1E0T0RhTH' }, body: JSON.stringify({ value: value }) }) .then(response => response.json()) .then(data => { if (data.success) { document.getElementById(`score-${questaoId}`).textContent = data.score; const upBtn = document.querySelector(`button[onclick="vote(${questaoId}, 1)"]`); const downBtn = document.querySelector(`button[onclick="vote(${questaoId}, -1)"]`); upBtn.classList.remove('active-up'); downBtn.classList.remove('active-down'); if (data.user_vote === 1) upBtn.classList.add('active-up'); if (data.user_vote === -1) downBtn.classList.add('active-down'); } }); }