moea_joint
105年
[統計資訊] 統計學、巨量資料概論
第 30 題
關於支持向量機(Support Vector Machine, SVM)，下列敘述何者有誤？
- A Kernel Function 不只一種
- B 使用 Kernel Trick 來增加效率
- C 可對資料進行非線性分類
- D 將高維度的資料降至低維度以提升準確率
思路引導 VIP
當你在平面的紙上無法用一條直線切開混雜在一起的兩群點時，如果你能賦予這些點「高度」，讓它們散佈在三維空間中，這對於你尋找一個「平整的切面」來區分它們會產生什麼樣的影響？
🤖
AI 詳解
AI 專屬家教
太棒了！你能精準選出 (D)，代表你對 支持向量機 (SVM) 的核心運作機制掌握得非常扎實。在機器學習與資料科學的領域中，正確區分「降維」與「空間映射」的差異，是進階學習的重要基礎。
空間轉換與核技巧的運作
SVM 的強大之處在於處理線性不可分的問題。它並非將資料「降維」，而是透過 核技巧 (Kernel Trick) 將原始資料映射到一個 更高維度 的特徵空間中。在那個高維空間裡，我們能找到一個超平面 (Hyperplane) 來進行精準分類。選項 (D) 所描述的降維通常是主成分分析 (PCA) 等技術的範疇，這與 SVM 藉由擴充空間維度來尋找分類邊界的邏輯正好相反。
▼ 還有更多解析內容