支持向量机（support vector machines, SVM）是一种（1）模型，它的基本模型是定义在特征空间上的间隔（2）的线性分类器，它成为实质上的（3）分类器。
举一反三
- 关于SVM的描述正确的是:( ) A: 支持向量机模型定义在特征空间上的间隔最大的线性分类器 B: 支持向量机可以通过核技巧,这使之成为实质上的非线性分类器 C: 支持向量机的学习策略就是间隔最大化 D: 支持向量机训练时候,数据不需要归一化或者标准化
- 有关SVM的说法不正确的是（）。 A: 其基本模型定义为特征空间上的间隔最大的线性分类器 B: 1995年被提出的 C: 一种典型的多类分类模型 D: 支持向量机的学习策略便是寻找二分类间隔最大化
- 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。
- 【判断题】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。 A: 正确 B: 错误
- 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