Carregando...
Carregando...
Ajude a melhorar a plataforma
Em fundamentos matemáticos, a maximização de imagens depende do uso de convoluções para capturar padrões locais em dados visuais. A aplicação de kernels convolucionais é modelada por operações de multiplicação e soma de matrizes, permitindo a extração de recursos essenciais. Diante do apresentado sobre separador de margem máxima, compreenda as afirmativas a seguir: I. O separador de margem máxima é sensível a outliers, pois tenta maximizar a distância entre os pontos de suporte e o hiperplano. II. O objetivo do separador de margem máxima é minimizar o número de pontos classificados incorretamente no conjunto de dados de treinamento. III. O separador de margem máxima garante a generalização ideal, mesmo em conjuntos de dados com ruído significativo. É correto o que se afirma em:
Explique melhor esta questão
Abre o Tutor com o enunciado e as alternativas já no campo — você revisa e envia.
Esta questão foi verificada por um de nossos administradores.
🎓 Gabarito
A alternativa correta é D
JUSTIFICATIVA:
Apenas a afirmação I está correta. O separador de margem máxima (Hard Margin SVM) é extremamente sensível a outliers, pois a presença de um único ponto fora do padrão pode alterar drasticamente a posição do hiperplano ou tornar o problema impossível de resolver linearmente. A afirmação II está incorreta porque seu objetivo primário é maximizar a margem, não minimizar erros (isso é característica da margem suave). A afirmação III está incorreta porque o modelo de margem máxima falha em generalizar bem na presença de ruído, tendendo ao overfitting ou à inviabilidade.