题目
A.支持向量机(SVM)
B.k 近邻法(KNN)
C.决策树(Decision Tree)
D.感知机(Perceptron)
第1题
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
第5题
A.Naïve Bayes(朴素贝叶斯)是一种概率分类器
B.SVM(支持向量机)在向量空间构造超平面,以区分不同类别的样本
C.决策树基于树结构进行决策,从树根到一个叶子的路径对应一个分类规则
D.SVM(支持向量机)和K-NN(K-近邻)都有模型的训练过程(构造分类模型)
第6题
A.Naïve Bayes(朴素贝叶斯)是一种概率分类器
B.SVM(支持向量机)在向量空间构造超平面,以区分不同类别的样本
C.决策树基于树结构进行决策,从树根到一个叶子的路径对应一个分类规则
D.SVM(支持向量机)和K-NN(K-近邻)都有模型的训练过程(构造分类模型)
为了保护您的账号安全,请在“赏学吧”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!