更多深度文章，请关注云计算频道：https://yq.aliyun.com/cloud

Introduction

  机器学习强大如一座军械库，里面有各种威力惊人的武器，不过你首先得学会如何使用。举个栗子，回归（Regression）是一把能够有效分析数据的利剑，但它对高度复杂的数据却束手无策。支持向量机（Support Vector Machines，SVM）就好比一把锋利的小刀，特别是在小数据集上建模显得更为强大有力。

本套测试题专为SVM及其应用而设计，目前超过550人注册了这个测试（排行榜），一起来看看你的SVM知识能得多少分吧，顺便还能查漏补缺。

Helpful Resources

1.十大常用机器学习算法（附Python和R代码）

2.SVM原理及代码

Skill test Questions and Answers

假定你用一个线性SVM分类器求解二类分类问题，如下图所示，这些用红色圆圈起来的点表示支持向量，据此回答问题1和2：

1.如果移除这些圈起来的数据，决策边界（即分离超平面）是否会发生改变？

A．Yes     B. No

答案：A

Tips: 如果改变这三个点中任意一个点的位置就会引入松弛约束条件，决策边界就会发生变化。

2. 如果将数据中除圈起来的三个点以外的其他数据全部移除，那么决策边界是否会改变？

A．True    B. False

答案：B

Tips: 决策边界只会被支持向量影响，跟其他点无关。

3.关于SVM泛化误差描述正确的是

A．超平面与支持向量之间距离

B．SVM对未知数据的预测能力

C．SVM的误差阈值

答案：B

Tips: 统计学中的泛化误差是指对模型对未知数据的预测能力。

4. 如果惩罚参数C趋于无穷，下面哪项描述是正确的？

A．若最优分离超平面存在，必然能够将数据完全分离

B．软间隔分类器能够完成数据分类

C．以上都不对

答案：A

Tips: 如果误分类惩罚很高，软间隔不会一直存在，因为没有更多的误差空间

5. 以下关于硬间隔描述正确的是

A．SVM允许分类存在微小误差

B．SVM允许分类是有大量误差

C．以上均不正确

答案：A

Tips: 硬间隔意味着SVM在分类时很严格，在训练集上表现尽可能好，有可能会造成过拟合。

6. 训练SVM的最小时间复杂度为O(n²)，那么一下哪种数据集不适合用SVM?

A．大数据集     B. 小数据集   C. 中等大小数据集    D. 和数据集大小无关

答案：A

有明确分类边界的数据集最适合SVM

7. SVM的效率依赖于：

A．核函数的选择  B. 核参数  C. 软间隔参数C  D. 以上所有

答案：D

Tips: SVM的效率依赖于以上三个基本要求，它能够提高效率，降低误差和过拟合

8. 支持向量是那些最接近决策平面的数据点。

A．TRUE    B. FALSE

答案：A

9. SVM在下列那种情况下表现糟糕：

A．线性可分数据  B. 清洗过的数据   C. 含噪声数据与重叠数据点

答案：C

Tips: 当数据中含有噪声数据与重叠的点时，要画出干净利落且无误分类的超平面很难

10. 假定你使用了一个很大γ值的RBF核，这意味着：

A. 模型将考虑使用远离超平面的点建模

B．模型仅使用接近超平面的点来建模

C．模型不会被点到超平面的距离所影响

D．以上都不正确

答案：B

Tips: SVM调参中的γ衡量距离超平面远近的点的影响。对于较小的γ，模型受到严格约束，会考虑训练集中的所有点，而没有真正获取到数据的模式、对于较大的γ，模型能很好地学习到模型。

11.SVM中的代价参数表示：

A．交叉验证的次数

B．使用的核

C．误分类与模型复杂性之间的平衡

D．以上均不是

答案：C

Tips:代价参数决定着SVM能够在多大程度上适配训练数据。如果你想要一个平稳的决策平面，代价会比较低；如果你要将更多的数据正确分类，代价会比较高。可以简单的理解为误分类的代价。

假定你使用SVM学习数据X，数据X里面有些点存在错误。现在如果你使用一个二次核函数，多项式阶数为2，使用松弛变量C作为超参之一，请回答12-13。

12.当你使用较大的C（C趋于无穷），则：

A．仍然能正确分类数据

B．不能正确分类

C．不确定

D．以上均不正确

答案：A

Tips: 采用更大的C，误分类点的惩罚就更大，因此决策边界将尽可能完美地分类数据。

13.如果使用较小的C（C趋于0），则：

A．误分类

B．正确分类

C．不确定

D．以上均不正确

答案：A

Tips:分类器会最大化大多数点之间的间隔，少数点会误分类，因为惩罚太小了。

14.如果我使用数据集的全部特征并且能够达到100%的准确率，但在测试集上仅能达到70%左右，这说明：

A．欠拟合   B.模型很棒   C.过拟合

答案：C

Tips:如果在训练集上模型很轻易就能达到100%准确率，就要检查是否发生过拟合。

15.下面哪个属于SVM应用

A．文本和超文本分类

B．图像分类

C．新文章聚类

D．以上均是

答案：D

Tips: SVM广泛应用于实际问题中，包括回归，聚类，手写数字识别等。

假设你训练SVM后，得到一个线性决策边界，你认为该模型欠拟合。据此回答16-18题：

16.在下次迭代训练模型时，应该考虑：

A．增加训练数据

B．减少训练数据

C．计算更多变量

D．减少特征

答案：C

Tips:由于是欠拟合，最好的选择是创造更多特征带入模型训练。

17.假设你在上一题做出了正确的选择，那么以下哪一项会发生：

1.降低偏差

2.降低方差

3.增加偏差

4.降低方差

A．1和2

B．2和3

C．1和4

D．2和4

答案：C

Tips:更好的模型会降低偏差并提高方差

18.假如你想修改SVM的参数，同样达到模型不会欠拟合的效果，应该怎么做？

A．增大参数C

B．减小参数C

C．改变C并不起作用

D．以上均不正确

答案：A

Tips:增大参数C会得到正则化模型

19.SVM中使用高斯核函数之前通常会进行特征归一化，以下关于特征归一化描述正确的是？

1．经过特征正则化得到的新特征优于旧特征

2．特征归一化无法处理类别变量

3．SVM中使用高斯核函数时，特征归一化总是有用的

A．1    B. 1 and 2    C. 1 and 3    D. 2 and 3

答案：B

假定你使用SVM来处理4类分类问题，你使用了one-vs-all策略，据此回答20-22

20.此种情况下要训练SVM模型多少次？

A.1

B.2

C. 3

D. 4

答案：D

Tips:使用one-vs-all策略就要训练4次 ，每次把一个类当成正类，其他的类当作负类，然后学习出4个模型，对新数据取函数值最大的那个类作为预测类别

21. 假定用one-vs-all训练一次SVM要10秒，那么总共应该训练多少秒？

A．20

B．40

C．60

D．80

答案：B

Tips:每个训练10秒，要训练4次，那就是40秒

22. 假设现在只有两个类，这种情况下SVM需要训练几次？

A．1

B．2

C．3

D．4

答案：A

Tips:两个类训练1次就可以了

假设你训练了一个基于线性核的SVM，多项式阶数为2，在训练集和测试集上准确率都为100%，据此回答23-24

23. 如果增加模型复杂度或核函数的多项式阶数，将会发生什么？

A．导致过拟合

B．导致欠拟合

C．无影响，因为模型已达100%准确率

D．以上均不正确

答案：A

Tips:增加模型复杂度会导致过拟合

24. 如果增加模型复杂度之后，你发现训练集上准确率还是100%，可能是什么原因造成的？

1.数据不变，适配更多的多项式项或参数，算法开始记忆数据中的一切

2.数据不变，SVM不必在更大的假设空间中搜索分类超平面

A．1

B．2

C．1 and 2

D．以上均不正确

答案：C

25.以下关于SVM核函数说法正确的是

1. 核函数将低维数据映射到高维空间

2. 是一个相似度函数（similarity function）

A．1

B．2

C．1 and 2

D．以上均不正确

答案：C

Overall Distribution

至今超过350人参与了这项测试，得分分布情况如下：

作者博客还有其他如降维、机器学习、SQL的自测题，感兴趣的可以去作者博客看看。

作者信息

Ankit Gupta，Ankit是一名自由数据科学家，解决了很多领域的复杂数据挖掘问题，热衷于学习更多数据科学和机器学习的知识。

GitHub: https://github.com/anki1909

LinkedIn: https://www.linkedin.com/in/ankit-gupta-84b737ba?trk=nav_responsive_tab_profile

本文由阿里云云栖社区组织翻译。

文章原标题《25 Questions to test a Data Scientist on Support Vector Machines》，作者： Robert Chang，译者：李烽，审阅：海棠

文章为简译，更为详细的内容，请查看原文