题目内容

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

查看答案

搜索结果不匹配？点我反馈

更多问题

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。

查看答案

关于聚类的说法正确的有 ( )

A. 其目的是根据过去的观测结果来预测新样本的标签为聚类
B. 聚类的算法训练样本往往都不含有标签
C. 聚类算法对于孤立的野值不敏感
D. 聚类算法的更新步骤可解释性不强

查看答案

关于kmean算法的实现描述错误的是 ( )

A. 收敛速度慢
B. 原理简单,实现容易
C. 可以轻松发现非凸形状的簇
D. 需要事先确定k的值

查看答案

以下哪些不是聚类中用于衡量度量距离的指标 ( )。

A. 汉明距离
B. 马氏距离
C. 曼哈顿距离
D. 欧式距离

查看答案