SVM中的代价参数C表示什么?
A. 交叉验证的次数
B. 用到的核函数
C. 在分类准确性和模型复杂度之间的权衡
D. 以上都不对
一个正例(2,3),一个负例(0,-1),下面哪个是SVM超平面?( )
A. 2x+y-4=0
B. 2y+x-5=0
C. x+2y-3=0
D. 无法计算
SVM 原理描述不正确的是( )。
A. 当训练样本线性可分时,通过硬间隔最大化,学习一个线性分类器,即线性可分支持向量机
B. 当训练数据近似线性可分时,引入松弛变量,通过软间隔最大化,学习一个线性分类器,即线性支持向量机
C. 当训练数据线性不可分时,通过使用核技巧及软间隔最大化,学习非线性支持向量机
D. SVM 的基本模型是在特征空间中寻找间隔最小化的分离超平面的线性分类器
SVM普遍使用的准则描述不正确的是:( )(n为特征数,m为训练样本数。)
A. 如果相较于m而言,n要大许多,即训练集数据量不够支持我们训练一个复杂的非线性模型,我们选用逻辑回归模型或者不带核函数的支持向量机。
B. 如果n较小,而且m大小中等,例如n在 1-1000 之间,而m在10-10000之间,使用高斯核函数的支持向量机。
C. 支持向量机理论上不能处理太多的特征。
D. 如果n较小,而m较大,例如n在1-1000之间,而m大于50000,则使用支持向量机会非常慢,解决方案是创造、增加更多的特征,然后使用逻辑回归或不带核函数的支持向量机。
微信支付 
支付宝支付