Questão 9 — Aprendizado de Máquina — Máquinas de Vetores de Suporte (SVM) (Inteligência Artificial) — Serviço de Seleção do Pessoal da Marinha (SSPM) · Marinha do Brasil 2023

Inteligência Artificial Aprendizado de Máquina — Máquinas de Vetores de Suporte (SVM)

Serviço de Seleção do Pessoal da Marinha (SSPM) 2023

Marinha do Brasil · Quadro Técnico do Corpo Auxiliar da Marinha (CP-T) — Informática · Caderno Amarela

Gabarito disponível

Segundo Faceli (2021), assinale a opção correta referente às máquinas de vetor de suporte (SVM).

Selecione uma alternativa A) SVM lineares com margens rígidas definem fronteiras lineares a partir de dados linearmente inseparáveis. B) SVM lineares com margens suaves introduzem variáveis de folga que relaxam as restrições impostas ao problema de otimização das SVM com margens rígidas. C) As funções de kernel para SVM não lineares recebem três ou mais pontos no espaço de entradas e calculam o produto vetorial no espaço de características. D) Entre as vantagens das SVM destaca-se a facilidade para interpretação dos modelos gerados por essa técnica. E) Entre as desvantagens das SVM destaca-se a pouca robustez diante de objetos de grande dimensão.

Resolução comentada

SVM de margem suave usa variáveis de folga que relaxam as restrições da margem rígida.

Na SVM de margem suave, as variáveis de folga permitem que alguns exemplos violem a margem ou fiquem do lado errado. Isso relaxa as restrições do problema de otimização da margem rígida e torna possível lidar com dados ruidosos ou não perfeitamente separáveis.

Análise das alternativas

A) Margem rígida exige dados linearmente separáveis, não inseparáveis. C) Kernels recebem dois pontos (não três ou mais) e retornam o produto interno (não vetorial) no espaço de características. D) SVMs geram modelos de difícil interpretação. E) SVMs são robustas a dados de grande dimensão.

Referência: Faceli et al. (2021), Inteligência Artificial: uma abordagem de aprendizado de máquina.

Resolução comentada do VaiConcursos.