题目一：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
会
B
不会
解析：正确答案是： B，决策边界只会被支持向量影响，跟其他点无关。
题目二：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
解析：正确答案是： B，统计学中的泛化误差是指对模型对未知数据的预测能力。
题目三：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
解析：正确答案是：A，有明确分类边界的数据集最适合SVM，因为大数据即更不易有明确边界。
题目四：支持向量是那些最接近决策平面的数据点
A
对
B
错
解析：正确答案是：A，支持向量就在间隔边界上，这里要考虑一个问题软件间隔的时候，有分类错误的点可能距离更近。
题目五：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
解析：正确答案是： B，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。参考
SVM 中为了得到更加复杂的分类面并提高运算速度，通常会使用核函数的技巧。径向基核函数（RBF）也称为高斯核函数是最常用的核函数，其核函数的表达式如下所示：
形式与高斯分布类似，Gamma γ 是高斯分布中标准差 Sigma σ 的导数。我们知道在高斯分布中，σ 越小，对应的高斯曲线就越尖瘦。也就是说 γ 越大，高斯核函数对应的曲线就越尖瘦。这样，运用核技巧得到的 SVM 分类面就更加曲折复杂，甚至会将许多样本隔离成单个的小岛。
下面是 γ 分别取 1、10、100 时对应的 SVM 分类效果：
值得一提的是，γ 过小容易造成欠拟合，γ 过大容易造成过拟合。
