在使用非线性SVM分类算法前，需要提前确定
A: 核函数和惩罚参数
B: 非线性映射
C: 将输入数据映射到多少维的高维空间中
D: 数据映射到高维空间中后是否是线性可分的
A: 核函数和惩罚参数
B: 非线性映射
C: 将输入数据映射到多少维的高维空间中
D: 数据映射到高维空间中后是否是线性可分的
举一反三
- 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。
- 对于输入空间中的非线性分类问题，可以通过非线性变换将它转化为某个高维特征空间中的线性分类问题，然后在高维特征空间中学习 线性SVM。
- 对于输入空间中的非线性分类问题，可以通过非线性变换将它转化为某个高维特征空间中的线性分类问题，然后在高维特征空间中学习 线性SVM。 A: 正确 B: 错误
- 在模式识别中，广义线性化是指从低维特征空间映射到高维特征空间，从而将一个非线性不可分问题映射为一个线性可分问题。 A: 正确 B: 错误
- 中国大学MOOC: 在模式识别中，广义线性化是指从低维特征空间映射到高维特征空间，从而将一个非线性不可分问题映射为一个线性可分问题。