机器学习原理、算法与应用 课后习题答案 第五章.docx

1.使用SVM时，为什么要对输入值进行缩放？

对输入值进行缩放是为了确保各个特征具有相似的尺度。在SVM中，支持向量机的决策边界是通过计算样本到超平面的距离来确定的，而这个距离受特征的尺度影响。如果某些特征的值非常大而其他特征的值较小，那么大的特征将主导模型的训练，导致模型性能不佳。通过标准化或归一化输入数据，可以确保每个特征对决策边界的影响是均衡的。

2.SVM的基本思想是什么？什么是支持向量？

基本思想：SVM的核心思想是寻找一个最优的超平面，使得它能够最好地将不同类别的样本分开。这个超平面是通过最大化到各类样本的最小距离来确定的。SVM旨在找到一个具有最大间隔的决策边界，以便在