题目假设你训练SVM后，得到一个线性决策边界，你认为该模型欠拟合。在下次迭代训练模型时，应该考虑（）

A.增加训练数据

B.减少训练数据

C.计算更多变量

D.减少特征

查看答案

如果结果不匹配，请联系老师获取答案

您可能会需要：

重置密码查看订单联系客服

安装优题宝APP，拍照搜题省时又省心！

更多“题目假设你训练SVM后，得到一个线性决策边界，你认为该模型欠…”相关的问题

第1题

假定你现在训练了一个线性SVM并推断出这个模型出现了欠拟合现象，在下一次训练时，应该采取下列什么措施（）。

A.增加数据点

B.减少数据点

C.增加特征

D.减少特征

点击查看答案

第2题

题目训练SVM的最小时间复杂度为O（n2），那么一下哪种数据集不适合用SVM（）

A.大数据集

B.小数据集

C.中等大小数据集

D.和数据集大小无关

点击查看答案

第3题

假设我们使用原始的非线性可分离SVM最优化目标函数，我们做什么可以保证结果是线性可分的？（）

A.C=1

B.C=0

C.=无穷大

D.以上没有正确答案

点击查看答案

第4题

题目一元的线性回归中选取均方误差函数表示假设值与实际值的误差情况。关于均方误差函数分析不正确的是（）

A．m是数据集中点的个数B．平方项中数据的含义为单条数据的误差。受平方项的影响乘上的常量保证结果的准确性[这里的表述替换一下吧，没有必要去纠结1/2这个事情][公式中有1/2，考查对公式的理解，作为一个选项是有必要的]C．y是数据集中每个点的真实y坐标的值D．h是预测函数，根据每一个输入x，根据Θ计算得到预测的y值

点击查看答案

第5题

在其他条件不变的前提下，以下哪种做法容易引起机器学习中的过拟合问题（）。

A.增加训练集量

B.减少神经网络隐藏层节点数

C.删除稀疏的特征

D.SVM算法中使用高斯核/RBF核代替线性核

点击查看答案

第6题

题目SVM中使用高斯核函数之前通常会进行特征归一化，以下关于特征归一化描述不正确的是（）

A.经过特征归一化得到的新特征优于旧特征

B.特征归一化无法处理类别变量