测试【Machine Learning week7】Support Vector Machines

对于本章的课程，感觉自己没有完全学懂，这里也只能半知半解地做题，还好边看题边看课件还是能够解决问题的，但是对于SVM的原理还是没有完全掌握。

分析：明显从图中可见是underfit，对于课件进行总结，可以得到下面这张表。根据这张表可知，应当选择较大的C和较小的σ2σ2。
σ2

答案：1

σ2

分析：对于这题，直接看课件上的案例就知道答案了，不过按照上面总结的那个表格也是可以推出答案的。因为σ2
取值小了，所以图像应当更不平滑，所以只能选择选项4了。
σ2

答案：4

σ2

分析：当y=0时，要想使得整体最小，必须使得cost0最小。对照上图便可知：在z<=1时，cost0最小为0。同理可以推导出当y=1时，z>=1。
σ2

答案：2，3

σ2

分析：这题我选错了，估计是多选了。大家可以对照这张ppt选择，首先n的值不是很大，m也不是很大，所以对应于第二种情况，所以应当用SVM with Gaussian kernel这个方法。对于n=10，选择neural network也是很好的，所以选项2是对的。对于选项3为什么不对，主要是造成underfit的原因并不是因为局部最优造成的。适当的增加特征也是可以解决underfit问题，选项4正确。

σ2

答案：2，4

σ2

分析：选项1可直接参考以下高斯核函数的公式，所以是正确的；选项2是错的，因为对one-vs-all其实与二分类没有太多区别的；选项3似乎也没什么问题；选项4可以参考cost函数，其实C的取值对于theta是有影响的。

σ2

答案：1，3

σ 2