以下关于SVM算法说法错误的是?()
A.支持向量是距离超平面最近的点组成的向量
B.SVM算法不能用于处理非线性数据集
C.SVM可以被用于解决分类问题
D.SVM算法可以使用多种核函数
- · 有8位网友选择 A,占比61.54%
- · 有3位网友选择 B,占比23.08%
- · 有1位网友选择 C,占比7.69%
- · 有1位网友选择 D,占比7.69%
A.支持向量是距离超平面最近的点组成的向量
B.SVM算法不能用于处理非线性数据集
C.SVM可以被用于解决分类问题
D.SVM算法可以使用多种核函数
A.贝叶斯算法
B.支持向量机算法
C.神经网络算法
D.决策树算法
A.所谓最优超平面,就是指间隔最小的超平面
B.所谓支持向量,就是距离超平面最近的样本
C.一对(两个平行的)超平面可以区分空间中3类以上样本
D.以上都不对
A.支持向量 离决策超平面的距离最近
B.在决定分类决策超平面的位置时,只有支持向量起作用,其他样本点不起作用
C.将除支持向量以外的样本点删除,也不影响分类决策边界
D.支持向量的数目一般比较少
关于SVM泛化误差描述正确的是()
A.超平面与支持向量之间距离
B.SVM对未知数据的预测能力
C.SVM的误差阈值
A.支持向量机一般处理两分类的问题。
B.支持向量机既可以处理线性可分的问题,也可以处理非线性可分的问题。
C.支持向量机是把高维的数据投影到低维的空间进行分类。
D.对于小样本集,支持向量机的分类准确度可能优于其他对样本数量要求比较高的分类算法。
A.线性SVM对偶问题的解α^*中满足α_i^*>0的x_i称为支持向量。
B.支持向量可以在间隔边界上,也可在间隔边界与决策边界之间,或在决策边界误分的那一侧。
C.分类决策超平面完全由支持向量决定。
D.只有位于间隔边界内的样本才是支持向量。
为了保护您的账号安全,请在“简答题”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!