机器学习课后练习题（期末复习题目附答案）
此为第五章支持向量机
一. 单选题
1. 对于在原空间中线性不可分问题,支持向量机()。
A. 无法处理
B. 在原空间中寻找线性函数划分数据
C. 将数据映射到核空间中
D. 在原空间中寻找非线性函数的划分数据
正确答案: C
2. 关于支持向量机中硬间隔和软间隔的说法错误的是()。
A. 软间隔有利于获取更大的分类间隔
B. 软间隔允许一定的样本分类错误
C. 硬间隔有利于消除模型的过拟合
D. 硬间隔要求所有数据分类完全准确,不允许出现错误
正确答案: C
3. 关于各类核函数的优缺点说法错误的是:()。
A. 高斯核能够应对较为复杂的数据
B. 线性核计算简单,可解释性强
C. 多项式核需要多次特征转换
D. 高斯核计算简单,不容易过拟合
正确答案: D
4. 如果一个样本空间线性可分,那么,我们能找到( )个平面来划分样本。
A. 不确定
B. 2
C. 1
D. 无数
正确答案: D
5. SVM算法的最小时间复杂度是O(n^2)。基于这一点,以下哪种规格的数据集并不适用于该算法?( )
A. 大数据集
B. 不受数据集大小的影响
C. 中数据集
D. 小数据集
正确答案: A
6. 线性SVM和一般线性分类器的区别主要是:( )。
A. 训练误差通常较低
B. 是否进行了空间映射
C. 是否能处理线性不可分问题
D. 是否确保间隔最大化
正确答案: D
7. 在SVM中, margin的含义是()
A. 间隔
B. 损失误差
C. 差额
D. 幅度
正确答案: A
8. SVM算法的性能取决于:( )
A. 核函数的参数
B. 核函数的选择
C. 以上所有
D. 软间隔参数C
正确答案: C
9. SVM中的代价参数C表示什么?
A. 交叉验证的次数
B. 用到的核函数
C. 在分类准确性和模型复杂度之间的权衡
D. 以上都不对
正确答案: C
10. 一个正例(2,3),一个负例(0,-1),下面哪个是SVM超平面?( )
A. 无法计算
B. x+2y-3=0
C. 2y+x-5=0
D. 2x+y-4=0
正确答案: B
11. SVM 原理描述不正确的是( )。
A. 当训练样本线性可分时,通过硬间隔最大化,学习一个线性分类器,即线性可分支持向量机
B. 当训练数据线性不可分时,通过使用核技巧及软间隔最大化,学习非线性支持向量机
C. SVM 的基本模型是在特征空间中寻找间隔最小化的分离超平面的线性分类器
D. 当训练数据近似线性可分时,引入松弛变量,通过软间隔最大化,学习一个线性分类器,即线性支持向量机
正确答案: C
二. 多选题
12. 以下关于支持向量机的说法正确的是 ( )。
A. SVM分类面取决于支持向量
B. SVM方法简单,鲁棒性较好
C. SVM分类思想就是将分类面之间的间隔最小化
D. SVM适用于大规模数据集
正确答案: AB
13. 支持向量机有哪些常用的核函数( )。
A. 线性核
B. 多项式核
C. 拉普拉斯核
D. 高斯核
正确答案: ABD
14. 下面关于支持向量机的描述正确的是( )。
A. 可用于多分类的问题
B. 是一种无监督学习方法
C. 是一种监督学习的方法
D. 支持非线性的核函数
正确答案: ACD
15. 关于SVM的描述正确的是:( )
A. 支持向量机训练时候,数据不需要归一化或者标准化
B. 支持向量机的学习策略就是间隔最大化
C. 支持向量机可以通过核技巧,这使之成为实质上的非线性分类器
D. 支持向量机模型定义在特征空间上的间隔最大的线性分类器
正确答案: BCD
三. 判断题
16. SVM是这样一个分类器,他寻找具有最小边缘的超平面,因此它也经常被称为最小间隔分类器(minimal margin classifier) 。
A. 对
B. 错
正确答案: 错
17. SVM的数据需要归一化或者标准化。
A. 对
B. 错
正确答案: 对
18. SVM中核函数将高维空间中的数据映射到低维空间。
A. 对
B. 错
正确答案: 错
19. 支持向量是最靠近决策表面的数据点。
A. 对
B. 错
正确答案: 对