SVM 的基本原理是什么?为什么有效,核函数起什么作用?
哪些公司问过
答案要点
- 寻找最大间隔超平面,支持向量决定分类边界
- 凸优化保证全局最优,解只依赖支持向量,具有稀疏性
- 松弛变量与惩罚参数 C 处理不可分数据,C 控制对误分类的容忍度
- 核技巧:用 K(x,z) 计算高维空间内积,不显式映射
- 核函数可选:线性、多项式、RBF 等,通过交叉验证选择,自定义核需半正定
易错点
- 认为核函数会显式把数据映射到高维再计算
- 以为所有样本都影响决策边界,实际只有支持向量
- 说高维可分则低维一定可分,因果方向弄反
面试官常见追问
- 高维空间线性可分,低维空间就一定线性可分吗?
- RBF 核的参数 gamma 有什么影响?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。