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
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
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