首页 > 试题广场 >

关于支持向量机SVM,下列说法错误的是（）

[单选题]

L2正则项，作用是最大化分类间隔，使得分类器拥有更强的泛化能力

Hinge 损失函数，作用是最小化经验分类错误

分类间隔为1/||w||，||w||代表向量的模

L1正则化对所有参数的惩罚力度都一样，可以让一部分权重变为零，因此产生稀疏模型，能够去除某些特征

查看正确选项

摇曳

参数C如何影响分类间隔

http://blog.csdn.net/xlinsist/article/details/51311755

编辑于 2016-09-11 22:13:29 回复(0)

一杆走火的枪

应该是B，LIBSVM采用的损失函数就是hinge损失函数，作用是最小化结构风险，而结构风险是不单指经验误差，还应该包括置信误差。

发表于 2015-09-15 16:18:12 回复(4)

正反面

C是惩罚因子。训练的目的是最小化目标函数，则C越小，意味着惩罚越小，分类间隔也就越小，分类错误也就越少。

编辑于 2016-02-26 21:25:13 回复(3)

英国老鼠

A正确。考虑加入正则化项的原因：想象一个完美的数据集，y>1是正类，y<-1是负类，决策面y=0，加入一个y=-30的正类噪声样本，那么决策面将会变“歪”很多，分类间隔变小，泛化能力减小。加入正则项之后，对噪声样本的容错能力增强，前面提到的例子里面，决策面就会没那么“歪”了，使得分类间隔变大，提高了泛化能力。 B正确。 C错误。间隔应该是2/||w||才对，后半句应该没错，向量的模通常指的就是其二范数。 D正确。考虑软间隔的时候，C对优化问题的影响就在于把a的范围从[0，+inf]限制到了[0,C]。C越小，那么a就会越小，目标函数拉格朗日函数导数为0可以求出w=求和a_i*y_i*x_i，a变小使得w变小，因此间隔2/||w||变大

发表于 2017-03-19 09:35:26 回复(2)

牛客405669号

发表于 2017-09-03 10:38:16 回复(2)

牛客905167号

为什么我觉得分类间隔是2/||w||呢？？？有木有解答的

发表于 2015-09-18 20:28:55 回复(9)

weeknet

在高等代数中 ||w||表示的是范式 2-范式就是向量的模长故C错误

发表于 2016-07-10 22:46:44 回复(4)

yzh

c错的是前半句 1/||w|| 只是求最大分类间隔的简化形式，l2范数就是向量的模

l1范数是个绝对值之和，l0范数是向量0的个数

发表于 2016-09-06 18:11:01 回复(1)

牛客12358号

B选项难道不是结构风险最小化吗？SVM的损失函数里面有个w的二范数

发表于 2017-07-31 23:55:46 回复(3)

huixieqingchun

在高等代数中，||X||表示的范式，一定要注意区分。

发表于 2016-09-09 15:35:50 回复(0)

detector-wang

正反支持向量与超平面的间隔都是1/||w||，所以分类间隔是2/||w||

发表于 2016-04-17 20:43:52 回复(0)

onlysilent

应该c吧，个人觉着C越小，间隔越大，属于欠拟合！

发表于 2016-03-02 07:34:43 回复(0)

艺捞屎

我

编辑于 2023-12-10 16:10:31 回复(0)

行者无疆201810121150117

c错，d不准确。c的间隔为2/||w||，d当值取0时会过拟合

发表于 2021-03-15 17:17:11 回复(0)

PKU_xiaowei

为什么是 L2 正则项

发表于 2020-03-24 20:07:03 回复(0)

干豆豆浆

C越大越容易过拟合，C越小，欠学习导致欠拟合

发表于 2019-08-04 01:33:09 回复(0)

今夜吃鸡

C越大，分类器就竭尽全力地修正，争取少犯错误，拟合数据，容易过拟合。

C越小，分类器不在乎错误。性能就会较差，欠拟合。

编辑于 2019-07-18 19:43:20 回复(0)

Tianlukr

。

发表于 2019-03-17 00:23:42 回复(0)

YCYCY

||w||在这里表示的是二范数！！！

编辑于 2018-09-05 10:35:58 回复(0)

好好学习知不知道

对于C:三维以下向量长度称为模，通过余弦计算，高维空间下的向量长度称为范数。个人觉得这里指的是函数间隔，因为函数间隔对最大化间隔没有影响才取特殊的固定值1。李航《统计学习方法99页有提到》
D选项，C参数过小的时候说明分类错误的惩罚力度小，造成欠拟合，C过大，对分类错误惩罚力度过大，势必影响模型复杂程度，造成过拟合。

发表于 2018-08-21 11:33:50 回复(0)

提交观点

问题信息

C++工程师运维工程师美团算法工程师机器学习 2016 Java工程师

来自：美团2016研发工程师...

难度：

36条回答 1834收藏 30168浏览

关于支持向量机SVM,下列说法错误的是（）

问题信息

热门推荐

相关试题