中国大学MOOC: 支持向量机（SVM）在向量空间构造超平面，以区分不同类别的样本。以下叙述正确的是（ ）
举一反三
- 下列关于分类方法的叙述正确的有（ ）。 A: Naïve Bayes（朴素贝叶斯）是一种概率分类器 B: SVM（支持向量机）在向量空间构造超平面，以区分不同类别的样本 C: 决策树基于树结构进行决策，从树根到一个叶子的路径对应一个分类规则 D: SVM（支持向量机）和K-NN（K-近邻）都有模型的训练过程（构造分类模型）
- 在支持向量机理论中，寻找出两类样本之间分类间隔最大的最优超平面，该超平面作为决策依据，用于区分样本的类别。
- 支持向量机（SVM）算法是一个在有限的样本空间中寻找一个超平面能将不同类别的样本分开且间隔最大的二分类模型。（ ）
- 中国大学MOOC:"支持向量机分类法SVM是指（）";
- Weka中加载数据后,运行SMO分类器,将PolyKernel多项式核函数的指数(Exponent)设置为2,则以下描述正确的是()。 A: SVM为线性支持向量机 B: SVM为非线性支持向量机 C: 超平面表示为在原来空间中的属性值的函数 D: 超平面表示为支持向量的函数