coursera Machine Learning 第七周 测验quiz答案解析 Support Vector Machines

本文主要是介绍coursera Machine Learning 第七周 测验quiz答案解析 Support Vector Machines，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1.选择D

解析：SVM欠拟合，原来要调整lambda减少，而C=1/lambda，所以就要调整C增加，减少平方项。

2.选择D

解析：由于只减少了平方项，所以fi的位置不变，只是整个图像变窄了。

3.选择AB

解析：使第一项为零，必须保证cost1或者cost0的函数为零，则y=1时看cost1，要使z=thetaTx>=1才能让cost1等于0；同理，y=0时，z=thetaTx<=-1，使cost0等于0。

4.选择BD

解析：有10个特征值以及5000个样本，发现欠拟合既不满足训练集也不满足验证集。A使用其他优化算法既然梯度下降得到局部最优解，并不是这个原因使其欠拟合，故错误。B使用多隐藏层的神经网络可以抑制高偏差，正确。C减少样本数无助于高偏差的缓解，错误。D增加新的特征值有助于高偏差的缓解，正确。

5.选择BC

解析：A用SVM进行多分类添加一对多的分类，是从剩下的y中选出，有K种分类就应该有K种SVM。B根据高斯核函数可知，当x=l时svm最大为1，替他都比1小。C在使用高斯核函数之前应进行归一化处理，正确。D如果数据是线性可分的，使用线性核函数也要进行参数C的调节故错误。

如果对你有所帮助，谢谢您的鼓励^_^

(一块不少，五块更好）

红包还不收？

这篇关于coursera Machine Learning 第七周 测验quiz答案解析 Support Vector Machines的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---