使用核函数可以在低维空间中直接计算某一些高维空间中的向量内积。

判断题在相同维度的特征空间中，分类器函数形式的阶次越低，其VC维也越小，在样本集数量有限的情况下，训练好的分类器结构风险也越小，泛化能力越强。

判断题代价函数和损失函数之间没有联系。

判断题损失函数是样本整体的损失函数的期望。

判断题代价函数是对于单个样本的模型得到的输出与该样本对应的真实输出之间的误差。

判断题线性支持向量机是把具有最大分类间隔的最优线性判别函数的求解转化为求解最小权向量的二次规划问题。

判断题结构风险指训练好的分类器错分样本占有的比例，经验风险指训练好的分类器面对未知样本时分类错误的概率。

判断题支持向量机只能处理线性可分类的模式识别问题。

判断题SVM的优点是不需要大量的样本且具有较强的泛化能力。

判断题分类间隔由所有训练集样本决定。

判断题H-K算法是LMSE中一种比较优异的算法。

判断题H-K算法的出发点不是以均方误差为准则函数的LMSE算法。

判断题损失函数是模型得到的输出与该样本对应的真实输出之间的差值。

判断题Mercer定理是当存在一个函数对样本集中所有样本间的函数值构成的矩阵是正定的。

多项选择题利用SVM将低维空间中的非线性问题映射到高维空间，存在哪些问题？（）

A.不确定需要映射到多少维的空间上，非线性问题才会转化为线性问题
B.如何找到合适的映射函数φ
C.增加计算量，可能会因为维数灾难无法解决
D.能够确定映射到的高维空间的维度
E.能够找到合适的映射函数φ
F.增加计算量时可以避免出现维数灾难

多项选择题分类器函数的VC维h越大，将使下列选项中的哪些数据发生变化？（）

A.置信风险越大
B.结构风险越大
C.分类器泛化能力越差
D.经验风险越大