假定你用一个线性SVM分类器求解二类分类问题，如下图所示，这些用红色圆圈起来的点表示支持向量如果移除这些圈起来的数据，决策边界(即分离超平面)是否会发生改变()A.YesB.No
假定你用一个线性SVM分类器求解二类分类问题，如下图所示，这些用红色圆圈起来的点表示支持向量如果移除这些圈起来的数据，决策边界(即分离超平面)是否会发生改变()
A.Yes
B.No
相关考题：
有两个样本点，第一个点为正样本,它的特征向量是(0,-1);第二个点为负样本,它的特征向量是(2,3),从这两个样本点组成的训练集构建一个线性SVM分类器的分类面方程是()A.2x+y=4B.x+2y=5C.x+2y=3D.2x-y=0
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
15、线性支持向量机是把具有最大分类间隔的最优线性判别函数的求解转化为求解最小权向量的二次规划问题。