1、假定你用乙個線性svm分類器求解二類分類問題，如下圖所示，這些用紅色圓圈起來的點表示支援向量
如果移除這些圈起來的資料，決策邊界（即分離超平面）是否會發生改變？
ayesbno
正確答案是： b
從資料的分布來看，移除那三個資料，決策邊界不會受影響。
2、如果將資料中除圈起來的三個點以外的其他資料全部移除，那麼決策邊界是否會改變？
b不會正確答案是： b
決策邊界只會被支援向量影響，跟其他點無關。
3、關於svm泛化誤差描述正確的是
a超平面與支援向量之間距離
bsvm對未知資料的**能力
csvm的誤差閾值
正確答案是： b
統計學中的泛化誤差是指對模型對未知資料的**能力。
4、以下關於硬間隔hard margin描述正確的是
asvm允許分類存在微小誤差
bsvm允許分類是有大量誤差
正確答案是：a
硬間隔意味著svm在分類時很嚴格，在訓練集上表現盡可能好，有可能會造成過擬合。
5、訓練svm的最小時間複雜度為o(n2)，那麼一下哪種資料集不適合用svm?
a大資料集
b小資料集
c中等大小資料集
d和資料集大小無關
正確答案是：a
有明確分類邊界的資料集最適合svm
6、svm的效率依賴於
a核函式的選擇
b核引數
c軟間隔引數
d以上所有
正確答案是：d
svm的效率依賴於以上三個基本要求，它能夠提高效率，降低誤差和過擬合
7、支援向量是那些最接近決策平面的資料點a對
b錯正確答案是：a
支援向量就在間隔邊界上 ？？？？
軟間隔會不成立吧，分類錯誤的更近。
8、svm在下列那種情況下表現糟糕
a線性可分資料
b清洗過的資料
c含雜訊資料與重疊資料點
正確答案是：c
當資料中含有雜訊資料與重疊的點時，要畫出乾淨利落且無誤分類的超平面很難
9、假定你使用了乙個很大γ值的rbf核，這意味著：
a模型將考慮使用遠離超平面的點建模
b模型僅使用接近超平面的點來建模
c模型不會被點到超平面的距離所影響
d以上都不正確
正確答案是： b
svm調參中的γ衡量距離超平面遠近的點的影響。
對於較小的γ，模型受到嚴格約束，會考慮訓練集中的所有點，而沒有真正獲取到資料的模式、對於較大的γ，模型能很好地學習到模型。
10、svm中的代價引數表示：
a交叉驗證的次數
b使用的核
c誤分類與模型複雜性之間的平衡
d以上均不是
正確答案是：c
代價引數決定著svm能夠在多大程度上適配訓練資料。
如果你想要乙個平穩的決策平面，代價會比較低；如果你要將更多的資料正確分類，代價會比較高。可以簡單的理解為誤分類的代價。
乙個月刷完機器學習筆試題300題（8）
1 對於下圖,最好的主成分選擇是多少 b30c35 dcan t say 正確答案是 b 主成分選擇使variance越大越好，在這個前提下，主成分越少越好。2 資料科學家可能會同時使用多個演算法 模型 進行 並且最後把這些演算法的結果整合起來進行最後的 整合學習 以下對整合學習說法正確的是 a單個...
乙個月刷完機器學習筆試題300題（9）
1 對於下面三個模型的訓練情況，下面說法正確的是 第一張圖的訓練錯誤與其餘兩張圖相比，是最大的 最後一張圖的訓練效果最好，因為訓練錯誤最小 第二張圖比第一和第三張圖魯棒性更強，是三個裡面表現最好的模型 第三張圖相對前兩張圖過擬合了 三個圖表現一樣，因為我們還沒有測試資料集 a 1 和 3 b 1 和...
頹廢的乙個月
哎，九月末到十月末實在是太頹廢了。其實是因為不想面對一些事。但現在想想，是我自己忘記了最初的夢想，之去追求一些有的沒的的，所以才如此不精進。記得那幾天玩的也不好，每每想到自己還沒學好，還是個醬油的時候，就很煩惱。室友也說我，為什麼最近不怎麼去實驗室了？我也不知道怎麼回答。甚至可以躺床上一整天，一直躺...