关于支持向量机，说法正确的是：
A: 去除支持向量以外的数据点，会影响原先的决策边界
B: SVM也可以处理难以进行线性分类的数据集
C: 采用硬边界可能会造成过拟合问题
D: SVM可以处理多分类问题
A: 去除支持向量以外的数据点，会影响原先的决策边界
B: SVM也可以处理难以进行线性分类的数据集
C: 采用硬边界可能会造成过拟合问题
D: SVM可以处理多分类问题
B,C,D
举一反三
- 支持向量机SVM无法处理线性不可分的数据集。（ ）
- 关于线性SVM中支持向量的说法，下列正确的有 A: 线性SVM对偶问题的解α^*中满足α_i^*>0的x_i称为支持向量。 B: 支持向量可以在间隔边界上，也可在间隔边界与决策边界之间，或在决策边界误分的那一侧。 C: 分类决策超平面完全由支持向量决定。 D: 只有位于间隔边界内的样本才是支持向量。
- 以下关于支持向量机的说法正确的是 ( )。 A: SVM适用于大规模数据集 B: SVM分类思想就是将分类面之间的间隔最小化 C: SVM方法简单,鲁棒性较好 D: SVM分类面取决于支持向量
- 用一个线性SVM分类器用来处理二分类问题，随意移动支持向量以外的点，对分类结果会有影响。（ ）
- 下面有关支持向量机错误的说法是？（ ） A: 支持向量机一般处理两分类的问题。 B: 支持向量机既可以处理线性可分的问题，也可以处理非线性可分的问题。 C: 支持向量机是把高维的数据投影到低维的空间进行分类。 D: 对于小样本集，支持向量机的分类准确度可能优于其他对样本数量要求比较高的分类算法。
内容
- 0
用一个线性SVM分类器用来处理二分类问题，随意移动支持向量以外的点，对分类结果会有影响。 A: 正确 B: 错误
- 1
支持向量机（SVM）只能解决二分类问题。（ ）
- 2
支持向量机（SVM）能够很方便地解决分类问题
- 3
支持向量机（SVM）能够很方便地解决分类问题 A: 正确 B: 错误
- 4
关于支持向量机SVM，说法正确的是： A: 边缘(margin)是决策边界与任意样本之间的平均距离 B: 支持向量 (support vector) 位于最大边缘超平面附近的点 C: 分类间隔为1/||w||，||w||代表向量的模 D: 决策边界只会被支持向量影响，跟其他点无关