支持向量机SVM是结构风险最小化模型，而逻辑回归LR是经验风险最小化模型。（ ）
举一反三
- 下面对结构风险最小化的描述中，哪一个描述是不正确的（ ）? 结构风险最小化在最小化经验风险与降低模型复杂度之间寻找一种平衡|为了更好保证结构风险最小化，可适当减少标注数据|结构风险最小化与经验风险最小化的目标是不同的|在结构风险最小化中，优化求解目标为使得经验风险与模型复杂度之和最小
- 关于经验风险最小化和结构风险最小化说法错误的是 A: 极大似然估计就是经验风险最小化的一个例子。 B: 结构风险最小化是为了防止过拟合而提出的策略。 C: 结构风险在经验风险上加上表示模型复杂度的正则化项或惩罚项。 D: 结构风险小只需要使模型复杂度小就可以。
- 关于 logit 回归和 SVM 不正确的是（ ） A: Logit回归目标函数是最小化后验概率 B: Logit回归可以用于预测事件发生概率的大小 C: SVM目标是结构风险最小化 D: SVM可以有效避免模型过拟合
- SVM算法属于那种模型（ ）。 A: 神经网络 B: 逻辑回归 C: 线性回归 D: 支持向量机
- 以下关于参数学习说法不正确的是 A: 经验风险与期望风险完全一致，故常用经验风险最小化优化参数似的模型的泛化错误最小。 B: 结构风险最小化方法引入正则化系数，有效地解决了因数据集小扰动导致经验风险最小化方法带来的计算不稳定问题。 C: 最大似然估计是指找到一组参数w使得似然函数p(y|X;w,σ)最大． D: 最大后验估计同结构风险最小化方法类似，都引入了先验知识。