感知器算法能求解( )的分类问题，其求解结果是( )。
A: 线性可分 多值
B: 线性可分 单值
C: 线性不可分 单值
D: 线性不可分 多值
A: 线性可分 多值
B: 线性可分 单值
C: 线性不可分 单值
D: 线性不可分 多值
A
举一反三
- 【单选题】感知器算法能求解( ),其求解结果是( ) A: 线性可分问题;不唯一 B: 线性不可分问题;唯一 C: 线性可分问题;唯一 D: 线性不可分问题;不唯一
- 使用感知机模型的前提是（ ）。 A: 数据线性可分 B: 数据样本多 C: 数据样本少 D: 数据线性不可分
- 使用感知机模型的前提是（） A: 数据样本少 B: 数据线性可分 C: 数据线性不可分 D: 数据样本多
- SVM分类器模型中软间隔(soft margin)的主要用途是() A: 解决线性不可分问题 B: 允许少量错分类样本,解决不完全线性可分问题 C: 降低算法时间复杂度 D: 提高算法分类精确度
- 中国大学MOOC: 感知器算法适用于线性可分的情况。
内容
- 0
关于感知器的描述中，正确的是哪些？ A: 单层感知器可以实现线性可分。 B: 单层感知器无法实现线性可分。 C: 每个感知器都可以有多个输入。 D: 感知器的每个输入都带有权重值。
- 1
以下关于感知器算法说法错误的是 A: 即使训练数据集线性可分，感知器算法也不一定收敛 B: 当感知器算法存在多个解时，对于同一个训练集，感知器初始值不同，最后得到的解可能不同 C: 当训练集线性不可分时，袋式算法使感知机也可以收敛到一个相对理想的解 D: 多层感知机是感知机的推广，克服了感知机不能对线性不可分数据识别的弱点
- 2
在支持向量机中，样本线性不可分时可以投影到高维空间，转换成线性可分情况。
- 3
感知机是早期最成功的神经网络，但也存在一些问题，主要包括哪两个？ A: 处理不了线性不可分问题 B: 处理不了线性可分问题 C: 输入特征需要人工选择 D: 权重特征无法自动更新
- 4
应用SVM算法时，每个核函数都可以将低维空间中的线性不可分数据映射为高维空间的线性可分数据，因此选择哪个核函数都可以。