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 com margens rígidas permitem erros de classificação para maximizar a margem entre as classes.
B) SVMs para classificação utilizam uma função kernel apenas quando os dados não são linearmente separáveis no espaço original.
C) SVMs com margens rígidas e suaves utilizam exclusivamente funções kernel não lineares para encontrar o hiperplano ótimo.
D) SVMs com margens suaves são indicadas para dados linearmente separáveis e não utilizam parâmetros de regularização.
E) SVMs para regressão utilizam o conceito de margem, mas introduzem uma faixa de tolerância chamada ϵ\epsilon, que define uma região de erro aceitável.
function vote(questaoId, value) { window.location.href = "/accounts/login/?next=/questao/2855/"; return; fetch(`/vote/questao/${questaoId}/`, { method: 'POST', headers: { 'Content-Type': 'application/json', 'X-CSRFToken': 'vrmcoFGQSs2twrZjbkvV9N9BTYkaHSrVCSrLUPCljWMyoZdhJN4Qfp6RkDNVviZr' }, body: JSON.stringify({ value: value }) }) .then(response => response.json()) .then(data => { if (data.success) { document.getElementById(`score-${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'); } }); }