下列有关SVM说法不正确的是：（）
A: SVM使用核函数的过程实质是进行特征转换的过程
B: SVM对线性不可分的数据有较好的分类性能
C: SVM因为使用了核函数，因此它没有过拟合的风险
D: SVM的支持向量是少数的几个数据点向量
A: SVM使用核函数的过程实质是进行特征转换的过程
B: SVM对线性不可分的数据有较好的分类性能
C: SVM因为使用了核函数，因此它没有过拟合的风险
D: SVM的支持向量是少数的几个数据点向量
举一反三
- 以下关于支持向量机的说法正确的是 ( )。 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
- 支持向量机SVM无法处理线性不可分的数据集。（ ）
- 非线性SVM中，核函数的选择对于SVM的性能至关重要（）
- 关于支持向量机，说法正确的是： A: 去除支持向量以外的数据点，会影响原先的决策边界 B: SVM也可以处理难以进行线性分类的数据集 C: 采用硬边界可能会造成过拟合问题 D: SVM可以处理多分类问题
- 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。