SVM的基本思想是寻找一个满足分类要求的超平面，并且使训练集中的点距离分类面尽可能的远。
对
举一反三
内容
- 0
想要得到一个划分超平面，将不同类别的样本分开来，应尽可能地使不同类别的样本都尽可能地远离超平面，使得训练集之外的未见示例在该超平面的作用下也能正确分类，所以，超平面应该尽可能（）划分训练集
- 1
在SVM(支持向量机)分类模型中支持向量是指() A: 训练样本点到最优分类超平面的距离 B: 最优分类超平面的参数向量 C: 到最优分类超平面距离最近的训练样本点对应的特征向量 D: 拉格朗日因子α构成的向量
- 2
SVM是一种二类分类模型。它的基本模型是在特征空间中寻找间隔最大化的分离超平面的线性分类器。
- 3
支持向量机（SVM）算法是一个在有限的样本空间中寻找一个超平面能将不同类别的样本分开且间隔最大的二分类模型。（ ）
- 4
SVM中的泛化误差代表什么？（ ） A: SVM对新数据的预测准确度 B: SVM中的误差阈值 C: 分类超平面与支持向量的距离