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。（ ）
举一反三
- 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。
- 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（ ）
- 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。
- 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，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