考察数据科学家支持向量机（SVM）知识的25道题，快来测测吧

摘要： 本套自测题专为SVM及其应用而设计，目前超过550人注册了这个测试，最终得满分的人却很少，[doge],一起来看看你的SVM知识能得多少分吧，顺便还能查漏补缺哦。

Introduction

  机器学习强大如一座军械库，里面有各种威力惊人的武器，不过你首先得学会如何使用。举个栗子，回归（Regression）是一把能够有效分析数据的利剑，但它对高度复杂的数据却束手无策。支持向量机（Support Vector Machines，SVM）就好比一把锋利的小刀，特别是在小数据集上建模显得更为强大有力。

本套测试题专为SVM及其应用而设计，目前超过550人注册了这个测试（排行榜），一起来看看你的SVM知识能得多少分吧，顺便还能查漏补缺。

Helpful Resources

1.十大常用机器学习算法（附Python和R代码）

2.SVM原理及代码

 

Skill test Questions and Answers

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，据此回答问题1和2：

1.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

答案：A

Tips: 如果改变这三个点中任意一个点的位置就会引入松弛约束条件，决策边界就会发生变化。

 

2. 如果将数据中除圈起来的三个点以外的其他数据全部移除，那么决策边界是否会改变？

A．True    B. False

答案：B

Tips: 决策边界只会被支持向量影响，跟其他点无关。

 

3.关于SVM泛化误差描述正确的是