简单的说，SVM（支持向量机)是一种算法，它以以下方法做工，它是一种非线性映射，把原训练数据映射到较高的维上，在新的维上，它搜索最佳分离超平面。（)

A.Logistic回归(LogisticRegression,LR)

B.决策树(DecisionTree,DT)

C.朴素贝叶斯(NaiveBayes,NB)

D.支持向量机(SupportVectorMachine,SVM)

A.AI

B.ML

C.ANN

D.SVM

A.贝叶斯算法

B.支持向量机算法

C.神经网络算法

D.决策树算法

A.支持向量机

B.贝叶斯分类

C.人工神经网络

D.决策树

A.支持向量机

B.朴素贝叶斯

C.决策树

D.K邻近算法

A.决策树学习

B.统计学习

C.集成学习

D.记忆学习

A.落在分割超平面上的点

B.某一类别的点

C.距离分割超平面最远的点

D.距离分割超平面最近的点

A.支持先进先出类接替算法的求解

B.能更好地支持向量的运算

C.支持由逆波兰表达式将高级语言多元赋值语句直接编译生成堆栈指令程序

D.能优化存储器的空间利用率