【多选题】当训练样本线性不可分时可采用()来缓解和解决。
A: 软间隔
B: 核函数
C: 训练误差最小
D: 测试误差最小
A: 软间隔
B: 核函数
C: 训练误差最小
D: 测试误差最小
举一反三
- 关于线性和非线性支持向量机的描述，以下哪种说法不对 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: 线性可分支持向量机利用间隔最大化求得最优分离超平面，这时的解不是唯一的
- SVM 原理描述不正确的是( )。 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
- 如果我们说“线性回归”模型完美地拟合了训练样本（训练样本误差为零），则下面哪个说法是正确的？（ ） A: 测试样本误差不可能为零 B: 选项中的答案都不对 C: 测试样本误差始终为零
- 线性回归模型训练的目标，就是要使得判别式对给定训练样本拟合的结果，与其真实结果之间的误差最小。
- 关于过拟合,下面哪个说法是正确的:( ) A: 训练误差较大,测试误差较小 B: 训练误差较小,测试误差较大 C: 训练误差较大,测试误差较大 D: 训练误差较小,测试误差较小