機器學習基礎
下列關於支援向量機（SVM）的敘述，何者適當？
- A盡可能平均地使用訓練資料的所有點，使所有點到邊界之距離的平均最大來畫出邊界
- B在分開兩個類別的邊界中，選擇到最靠近邊界之資料（支援向量）的距離（邊距）最大者
- C假設各特徵在每個類別中彼此獨立，以貝氏定理求出各類別的機率來分類
查看答案與解析
正確答案：B. 在分開兩個類別的邊界中，選擇到最靠近邊界之資料（支援向量）的距離（邊距）最大者
SVM是在分開兩個類別的邊界（超平面）中，選擇邊距最大者的分類方法。邊界只由最靠近它的幾筆資料（支援向量）決定，其他資料即使稍微移動，邊界也不會改變。邊距越大的邊界，被認為對新資料也越不容易出錯。對於無法以直線分開的資料，有使用核方法，得到與在更高維空間中分開相同之效果的方法。
- A. 決定邊界的只有最靠近邊界的支援向量。
- B. 正確。選擇使邊距最大的邊界。
- C. 這是單純貝氏分類的說明。