关于支持向量机SVM，说法正确的是：
A: 边缘(margin)是决策边界与任意样本之间的平均距离
B: 支持向量 (support vector) 位于最大边缘超平面附近的点
C: 分类间隔为1/||w||，||w||代表向量的模
D: 决策边界只会被支持向量影响，跟其他点无关
A: 边缘(margin)是决策边界与任意样本之间的平均距离
B: 支持向量 (support vector) 位于最大边缘超平面附近的点
C: 分类间隔为1/||w||，||w||代表向量的模
D: 决策边界只会被支持向量影响，跟其他点无关
举一反三
- 关于线性SVM中支持向量的说法，下列正确的有 A: 线性SVM对偶问题的解α^*中满足α_i^*>0的x_i称为支持向量。 B: 支持向量可以在间隔边界上，也可在间隔边界与决策边界之间，或在决策边界误分的那一侧。 C: 分类决策超平面完全由支持向量决定。 D: 只有位于间隔边界内的样本才是支持向量。
- 在支持向量机理论中，需要寻找两类分类间隔最大的最优超平面，距离这个最优超平面（ ）被称为支持向量(Support Vector)。 A: 最近的样本 B: 最远的样本 C: 等距离的样本 D: 选项都包括
- 支持向量机（Support Vector Machine, SVM）是通过寻找超平面对样本进行分隔从而实现分类或预测的算法，分隔样本时的原则是使得间隔最大化，寻找间隔最大的支持向量。
- 有关支持向量机模型的说法错误的是？ A: 对于分类问题，支持向量机需要找到与边缘点距离最大的分界线，从而确定支持向量。 B: 支持向量机的核函数负责输入变量和分类变量（输出）之间的映射。 C: 支持向量机可根据主题对新闻进行分类。 D: 支持向量机不能处理分界线为曲线的多分类问题。
- 支持向量机是寻找最大化样本间隔的边界