Data Mining Chapter 8 : Advanced classification

แนวคิดหลักของการแบ่งของ Support vector machine คืออะไร

• หา hyperplane ในการแบ่งข้อมูล ที่มี margin ระหว่างกลุ่มมากสุด

• หา hyperplane ในการแบ่งข้อมูล ที่มี margin ระหว่างกลุ่มน้อยสุด

• หา vector ที่ชี้ไปที่แต่ละกลุ่มได้ใกล้เคียงที่สุด

• หาเครื่องจักรที่สนับสนุนการแบ่งข้อมูลด้วยเวกเตอร์ได้ดีที่สุด

ข้อใดจริงเกี่ยวกับ Support vectors

• เป็นจุดข้อมูลที่อยู่ใกล้ hyperplane ที่ใช้แบ่งมากที่สุด

• คือเวกเตอร์ X_i ที่ทำให้ y_i(W X_i + b) = 1

• อาจจะมาจากคลาสเดียวก็ได้ แต่ต้องมีมากกว่า 1 ตัว

• ใช้ในการแบ่งข้อมูล เมื่อเรียนรู้ตัวแบบ SVM เสร็จสิ้น

ในกระบวนการเรียนรู้ตัวแบบ SVM เพื่อแบ่งข้อมูลที่แบ่งได้เชิงเส้นใน 4 มิติ โดยมี support vector 5 ตัว

จะต้องใช้ตัวแปรลากรานจ์กี่ตัว

ข้อใดเกี่ยวข้องกับตัวแบบ SVM ในการแบ่งข้อมูลที่ไม่สามารถแบ่งได้เชิงเส้น

• Soft Margin

• Kernal function

• Radial basis

• Dual problem

ข้อใดเป็นชื่อของ Kernal function สำหรับ SVM

• Activation function

• Polynomial function

• Euclidean radial basis

• Hyperbolic tangent

ตัวเลือกใดเป็นองค์ประกอบสำคัญที่พบในโครงข่ายประสาทเทียมทุกรูปแบบ

• Input Layer

• Hidden Layer

• Activation function

• Bias

Activation function ที่นิยมใช้ได้แก่ฟังก์ชันใดบ้าง

• ReLu function

• Sigmoid function

• Hyperbolic Tangent

• Radial Basis function

ขั้นตอนวิธีต่อไปนี้ ทำหน้าที่อะไรในการเรียนรู้ตัวแบบโครงข่ายประสาทเทียม

A. Backpropagation

B. Gradient descent

• A. เรียนรู้ตัวแบบ
  B. ปรับค่าน้ำหนัก

• A. ปรับค่าน้ำหนัก

  B. เรียนรู้ตัวแบบ
  

• A. หาผลการทำนายคลาส
  B. หาอนุพันธ์

• A. หาอนุพันธ์
  B. หาผลการทำนายคลาส

ข้อใดไม่จริงเกี่ยวกับกระบวนการ Back propagation

• Feed forward ข้อมูลใน training ทีละระเบียน เพื่อหา error

• ปรับข้อมูล weight ด้วย w_เดิม+η δE/δw

• weight ทุกค่า จะถูกแก้ไข ถ้าการ feed forward ข้อมูลได้ error

• สามารถเร่งการลู่เข้าของผลเฉลยด้วย การกำหนดค่า η ที่สูงขึ้น

ตัวแบบ Neural network จะเก็บอยู่ในรูปแบบอะไร

• กราฟแสดงความเชื่อมโยงของคุณลักษณะ

• เมทริกซ์ของค่า weight และ bias ใน network

• สมการระนาบที่ใช้ในการแบ่งข้อมูล

• กฎการตัดสินใจ