SVM 软间隔、核函数与调参经验
哪些公司问过
答案要点
- 软间隔引入松弛变量 ξi,目标为 ½||w||² + CΣξi,等价于 hinge 损失加 L2 正则
- C 权衡间隔宽度与误分类:C 越大越不容忍错分,越易过拟合
- 核技巧用核函数替代高维内积,常用线性、多项式、RBF、sigmoid 核
- RBF 的 gamma 决定单样本影响半径,gamma 大边界复杂、易过拟合
- 调参先标准化特征,C 与 gamma 在对数尺度网格搜索加交叉验证
易错点
- 说软间隔靠核函数解决线性不可分,二者是不同机制
- 把 C 的作用说反:C 越大正则越弱,而不是越强
- 用 RBF 核前不做特征标准化,距离被量纲大的特征主导
面试官常见追问
- 什么样的函数可以作为核函数?
- 支持向量是哪些样本?
- 数据量很大时 SVM 怎么办?
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。