Question

Em problemas de classificação não linear, as Máquinas de Vetores de Suporte (SVM) utilizam o chamado kernel trick para construir fronteiras de decisão complexas sem calcular explicitamente transformações em espaços de alta dimensão. Sobre esse mecanismo, assinale a alternativa correta.

Accepted Answer

D) O truque do kernel permite computar o produto escalar no espaço de características transformado de alta dimensão utilizando apenas as funções aplicadas às coordenadas dos dados no espaço original.

Answer

A) O mecanismo do kernel calcula explicitamente as coordenadas de cada ponto no espaço hiperdimensional de destino para assegurar a convergência geométrica do hiperplano de margem máxima.

Answer

B) O aumento da dimensão do espaço de características gerado pelo kernel exige a imposição de uma regularização do tipo Lasso para zerar os coeficientes das dimensões redundantes.

Answer

C) A transformação por funções de base radial altera a função de perda estrutural do classificador, transformando o problema de otimização quadrática original em uma minimização não convexa.

Answer

E) A complexidade computacional do treinamento com funções de kernel não lineares escala diretamente com a dimensionalidade do espaço projetado, limitando o uso de bases de dados de alta dimensão.

Mais questões de Aprendizado de máquina