Introduction
机器学习强大如一座军械库，里面有各种威力惊人的武器，不过你首先得学会如何使用。举个栗子，回归（Regression）是一把能够有效分析数据的利剑，但它对高度复杂的数据却束手无策。支持向量机（Support Vector Machines，SVM）就好比一把锋利的小刀，特别是在小数据集上建模显得更为强大有力。
本套测试题专为SVM及其应用而设计，目前超过550人注册了这个测试（排行榜），一起来看看你的SVM知识能得多少分吧，顺便还能查漏补缺。
Helpful Resources
1.十大常用机器学习算法（附Python和R代码）
2.SVM原理及代码
Skill test Questions and Answers
假定你用一个线性SVM分类器求解二类分类问题，如下图所示，这些用红色圆圈起来的点表示支持向量，据此回答问题1和2：
1.如果移除这些圈起来的数据，决策边界（即分离超平面）是否会发生改变？
A．Yes B. No
答案：A
Tips: 如果改变这三个点中任意一个点的位置就会引入松弛约束条件，决策边界就会发生变化。
2. 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．True B. False
答案：B
Tips: 决策边界只会被支持向量影响，跟其他点无关。
3.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
答案：B
作者：阿里云云栖社区
链接：http://www.jianshu.com/p/6aa4127f8611
來源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
