训练完SVM模型后,不是支持向量的那些样本我们可以丢掉,也可以继续分类()A.正确B.错误
训练完SVM模型后,不是支持向量的那些样本我们可以丢掉,也可以继续分类()
A.正确
B.错误
相关考题：
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）
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C．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D．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
12、SVM普遍使用的准则描述不正确的是：（）（n为特征数，m为训练样本数。)A.如果相较于m而言，n要大许多，即训练集数据量不够支持我们训练一个复杂的非线性模型，我们选用逻辑回归模型或者不带核函数的支持向量机。#B.如果n较小，而且m大小中等，例如n在 1-1000 之间，而m在10-10000之间，使用高斯核函数的支持向量机。#C.支持向量机理论上不能处理太多的特征。#D.如果n较小，而m较大，例如n在1-1000之间，而m大于50000，则使用支持向量机会非常慢，解决方案是创造、增加更多的特征，然后使用逻辑回归或不带核函数的支持向量机。