🇮🇩 Classification (SVM)

🇮🇩 Classification (SVM)

Professional Development

•

5 Qs

quiz-placeholder

Similar activities

Mastering Decision Tree for AI Application

Mastering Decision Tree for AI Application

Professional Development

•

10 Qs

Kejapro Quizz

Kejapro Quizz

Professional Development

•

10 Qs

Pre-test (Feed Series: QMS & QA)

Pre-test (Feed Series: QMS & QA)

Professional Development

•

10 Qs

Protein Analysis II Post Test

Protein Analysis II Post Test

University - Professional Development

•

10 Qs

QUIZ FORUM MRT 2021

QUIZ FORUM MRT 2021

Professional Development

•

10 Qs

HCM

HCM

Professional Development

•

10 Qs

Safety Riding Awareness

Safety Riding Awareness

Professional Development

•

10 Qs

SAF BMRI

SAF BMRI

Professional Development

•

10 Qs

🇮🇩 Classification (SVM)

🇮🇩 Classification (SVM)

Assessment

Quiz

•

Professional Development

•

Professional Development

•

Hard

Created by

Generation Girl

Used 4+ times

FREE Resource

5 questions

Show all answers

1.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Klasifikasi cocok digunakan jika…

Konteks A dan B berbeda

Mencoba memprediksi kelas atau output diskrit

Mencoba memprediksi keluaran bernilai kontinu

Tidak ada

2.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Manakah dari contoh berikut ini merupakan penerapan SVM di dunia nyata?

Filtering email spam

Untuk segmentasi produk

Deteksi suara menjadi teks

Self-driving car

3.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

(i) Clustering

(ii) Klasifikasi

(iii) Deteksi outlier

(iv) Regression

Apa kegunaan dari support vector machine (SVM)?

i dan iv

ii, iii, dan iv

i, ii, dan iii

i dan ii

4.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Manakah yang termasuk parameter yang digunakan oleh SVM?

Kernel dan C

Kedalaman maksimum (max depth)

Jumlah neighbor

Algoritma yang digunakan untuk menghitung

5.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

SVM akan bekerja efektif apabila digunakan saat kondisi…

Dataset memiliki lebih banyak noise misalnya kelas target terjadi tumpang tindih

Terdapat margin pemisahan yang jelas antar kelas dan ruang dimensinya tinggi

Terlalu banyak fitur dan datanya terlalu kompleks

Ukuran data yang besar yang menyebabkan waktu training yang lama