题目一：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，使用惩罚因子C作为超参之一。 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
解析：正确答案是：A，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。参考
题目二：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%。 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
解析：
正确答案是：A，增加模型复杂度会导致过拟合
