支持向量机试题及答案.docxVIP

支持向量机试题及答案

一、单项选择题（共10题，每题1分，共10分）

支持向量机（SVM）最初是用于解决哪一类问题的经典算法？

A.无监督聚类问题

B.二分类问题

C.多标签分类问题

D.回归预测问题

答案：B

解析：支持向量机最初由弗拉基米尔·万普尼克等人提出，是专门为解决模式识别中的二分类问题而设计的。其核心思想是寻找一个最优超平面，将两类样本尽可能清晰且间隔最大地分开。虽然后续发展出了支持向量回归（SVR）和通过“一对多”、“一对一”等策略处理多分类问题，但其理论根基和经典形式是针对二分类的。

在SVM中，决定分类超平面位置的关键样本点被称为？

A.中心点

B.支持向量

C.质心点

D.离群点

答案：B

解析：支持向量是那些距离分类超平面最近的数据点，它们直接决定了超平面的位置和方向。超平面完全由这些支持向量所支撑，其他远离超平面的样本点对超平面的确定没有影响。这也是算法得名“支持向量机”的原因。

对于线性不可分的数据，SVM通过引入什么来允许部分样本被错分，以提高模型的泛化能力？

A.核技巧

B.松弛变量

C.惩罚因子

D.间隔参数

答案：B

解析：当数据线性不可分时，严格的硬间隔分类会导致无解或过拟合。引入松弛变量（ξ）允许某些样本点违反间隔约束，即可以被错分或进入间隔带内。同时，通过一个惩罚因子（C）来控制对错分样本的惩罚力度，在最大化间隔和最小