APERTURA_26-05-SVM
Authored by LUCIANO PARADA LETELIER
Information Technology (IT)
University
Used 1+ times
AI Actions
Add similar questions
Adjust reading levels
Convert to real-world scenario
Translate activity
More...
Content View
Student View
6 questions
Show all answers
1.
MULTIPLE CHOICE QUESTION
30 sec • 1 pt
¿Cuál es el objetivo principal de un SVM en clasificación?
Minimizar el error de entrenamiento.
Maximizar el margen entre las clases.
Ajustar todos los puntos correctamente.
2.
MULTIPLE CHOICE QUESTION
30 sec • 1 pt
¿Qué son los "vectores de soporte"?
Puntos aleatorios del conjunto de datos.
Puntos más cercanos al hiperplano que definen el margen.
Puntos fuera del margen de separación.
3.
MULTIPLE CHOICE QUESTION
30 sec • 1 pt
En SVM no lineales, ¿qué técnica permite separar datos no lineales?
Reducción de dimensionalidad.
Proyección a un espacio de mayor dimensión usando kernels.
Eliminar características irrelevantes.
4.
MULTIPLE CHOICE QUESTION
30 sec • 1 pt
En regresión SVM, ¿qué controla el hiperparámetro ε ?
El número de vectores de soporte.
La anchura del margen que contiene la mayoría de los puntos.
La penalización por errores.
5.
MULTIPLE CHOICE QUESTION
30 sec • 1 pt
¿Por qué se usa el "truco del kernel" en SVM?
Para evitar el sobreajuste.
Para transformar datos no separables linealmente en un espacio donde sí lo sean.
Para reducir el tiempo de entrenamiento.
6.
MULTIPLE CHOICE QUESTION
30 sec • 1 pt
¿Qué diferencia a SVM de otros modelos de Machine Learning según lo visto?
Minimiza el error empírico.
Maximiza el margen entre clases, enfocándose en los vectores de soporte.
Solo funciona con datos linealmente separables.
Access all questions and much more by creating a free account
Create resources
Host any resource
Get auto-graded reports
Continue with Google
Continue with Email
Continue with Classlink
Continue with Clever
or continue with
Microsoft
%20(1).png)
Apple
Others
Already have an account?
