题目一:假定你使用SVM学习数据X,数据X里面有些点存在错误。现在如果你使用一个二次核函数,多项式阶数为2,使用惩罚因子C作为超参之一。 当你使用较大的C(C趋于无穷),则:
A
仍然能正确分类数据
B
不能正确分类
C
不确定
D
以上均不正确
解析:正确答案是:A,采用更大的C,误分类点的惩罚就更大,因此决策边界将尽可能完美地分类数据。参考
题目二:假设你训练了一个基于线性核的SVM,多项式阶数为2,在训练集和测试集上准确率都为100%。 如果增加模型复杂度或核函数的多项式阶数,将会发生什么?
A
导致过拟合
B
导致欠拟合
C
扫描二维码关注公众号,回复:
10615538 查看本文章
无影响,因为模型已达100%准确率
D
以上均不正确
解析:
正确答案是:A,增加模型复杂度会导致过拟合