下面关于支持向量机（SVM）的描述错误的是（）？
A: 是一种生成式模型
B: 是一种监督式学习的方法
C: 可用于多分类的问题
D: 支持非线性的核函数
A: 是一种生成式模型
B: 是一种监督式学习的方法
C: 可用于多分类的问题
D: 支持非线性的核函数
举一反三
- 下面关于支持向量机（SVM）的描述错误的是（ ）？ A: 是一种生成式模型 B: 是一种监督式学习的方法 C: 可用于多分类的问题 D: 支持非线性的核函数
- (2分)下面关于支持向量机的描述错误的是哪个?( ) A: 是一种监督式学习的方法 B: 可用于多分类的问题 C: 是一种生成式模型 D: 支持非线性的核函数
- 下面关于支持向量机的描述正确的是( )。 A: 是一种监督学习的方法 B: 可用于多分类的问题 C: 支持非线性的核函数 D: 是一种生成模型
- SVM通过使用核函数可以学习非线性支持向量机，等价于隐式地在______ 的特征空间中学习线性支持向量机。
- Weka中运行SMO分类器,将PolyKernel多项式核函数的指数(Exponent)设置为1,则以下描述正确的是()。 A: 超平面表示为支持向量的函数 B: SVM为线性支持向量机 C: 分类器运行后会输出2个三元SMO模型 D: SVM为非线性支持向量机