对于处理非线性问题，可以通过构建线性支持向量机来处理。其基本思想是：
A. 将原始数据映射到一个低维的特征空间
B. 将原始数据映射到一个高维的特征空间
C. 将原始数据映射到一个n-1维的特征空间
在支持向量机中，所谓的“核技巧（kernel trick）”,它的原理是
A. 直接生成具有新的特征的数据集
B. 直接计算扩展特征表示中 数据点之间的距离
C. 直接进行并行计算处理分析数据
D. 直接将连续变量进行离散化
在用支持向量机进行分析时，如果训练集非常大或特征非常多的时候，通常先从（）开始尝试
A. 多项式核函数
B. 线性核函数
C. 高斯核函数
D. 径向基核函数
在SVM实现的函数中，参数class_weight表示的含义是
A. 控制高斯核宽度
B. 是否启用概率估计
C. 每个类样本的权重
D. 指定内核缓存的大小
微信支付 
支付宝支付