题目
关于支持向量机SVM,下列说法错误的是()
A.L2正则项,作用是最大化分类间隔,使得分类器拥有更强的泛化能力
B.Hinge损失函数,作用是最小化经验分类错误
C.分类间隔为1/||w||,||w||代表向量的模
D.当参数C越小时,分类间隔越大,分类错误越多,趋于欠学习
第1题
A.L2正则项,作用是最大化分类间隔,使得分类器拥有更强的泛化能力
B.Hinge 损失函数,作用是最小化经验分类错误
C.分类间隔为1/||w||,||w||代表向量的模
D.当参数C越小时,分类间隔越大,分类错误越多,趋于欠学习
第2题
A.SVM适用于大规模数据集
B.SVM分类思想就是将分类面之间的间隔最小化
C.SVM方法简单,鲁棒性较好
D.SVM分类面取决于支持向量
第5题
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
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)
第7题
A.支持向量是距离超乎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
第8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9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!