不太能理解为什么C需要大一点？？？
解析：SVM欠拟合，高偏差 原来要调整lambda减少，而C=1/lambda，所以就要调整C增加，减少平方项。
解析：由于只减少了平方项，所以fi的位置不变，只是整个图像变窄了。
解析：使第一项为零，必须保证cost1或者cost0的函数为零，则y=1时看cost1，要使z=thetaTx>=1才能让cost1等于0；同理，y=0时，z=thetaTx<=-1，使cost0等于0
解析：有10个特征值以及5000个样本，发现欠拟合既不满足训练集也不满足验证集。A使用其他优化算法既然梯度下降得到局部最优解，并不是这个原因使其欠拟合，故错误。B使用多隐藏层的神经网络可以抑制高偏差，正确。C减少样本数无助于高偏差的缓解，错误。D增加新的特征值有助于高偏差的缓解，正确。
5.选择BC
A用SVM进行多分类添加一对多的分类，是从剩下的y中选出，有K种分类就应该有K种SVM。B根据高斯核函数可知，当x=l时svm最大为1，替他都比1小。C在使用高斯核函数之前应进行归一化处理，正确。D如果数据是线性可分的，使用线性核函数也要进行参数C的调节故错误。
这题选项2一定是对的，三四一定是错的，至于第一个我也是很明白为什么对的，欢迎补充
SVM、线性回归之类的最优化问题需要归一化，是否归一化主要在于是否关心变量取值；