Du befindest dich hier: FSI Informatik » Prüfungsfragen und Altklausuren » Hauptstudiumsprüfungen » Lehrstuhl 5 » pr-2020-02-21_2 (Übersicht)
no way to compare when less than two revisions
Unterschiede
Hier werden die Unterschiede zwischen zwei Versionen der Seite angezeigt.
— | pruefungen:hauptstudium:ls5:pr-2020-02-21_2 [22.02.2020 12:25] (aktuell) – angelegt nbabc26 | ||
---|---|---|---|
Zeile 1: | Zeile 1: | ||
+ | Angenehme Atmosphaere. | ||
+ | |||
+ | Pruefung bestand fast ausschliesslich aus SVM / SVR. | ||
+ | |||
+ | - Wieso koennen ueberlappende konvexe Huellen der Trainingsvektoren zweier unterschiedlicher Klassen vorkommen? | ||
+ | - Noise | ||
+ | - Misclassification | ||
+ | - fehlende Informationen (unterscheidungsstarke Features weggeworfen) | ||
+ | (hier war es wichtig, alle drei Punkte aufzaehlen zu koennen) | ||
+ | |||
+ | - SVM: | ||
+ | - Intuitive Erklaerung und Formel + Constraints fuer das Soft Margin Problem | ||
+ | - Weiter ging es mit dem dualen Problem | ||
+ | - Dual Problem (Lagrangian) ; Lagrangian abgeleitet nach alpha und Erhalten der Gleichung alpha = < | ||
+ | - KKT (v. a. im Hinblick auf complementary slackness: lambda muss 0 sein fuer non-support vectors, fuer support vectors ist das entsprechende f_i(x) gleich 0) | ||
+ | - Ueberleitung zu Kernel (hier war die allgemeine Formel fuer polynomial Kernel gefragt) | ||
+ | - Feature Transform von (x_1, x_2)^T in 6-dimensionalen Featurevektor, | ||
+ | - Erklaerung kernel trick | ||
+ | |||
+ | - SVR: | ||
+ | - Unterschied SVR und SVM | ||
+ | - SVM: Featurevektoren sollen ausserhalb der Margin und auf der richtigen Seite sein | ||
+ | - SVR: Featurevektoren sollen innerhalb der Margin (dem Toleranzbereich) liegen, hier epsilon erwaehnen | ||
+ | - Optimierungsproblem SVR mit Constraints fuer upper und lower bound und beide Xi_i >= 0 | ||