Scikit-Learn中包含的算法有（）。

已知一个数据集，n为特征数，m为训练样本数，如果n较小，而且m大小中等（例如n为1~1000，而m为10~10000），则一般选择（）。

（）选择成为支持向量机的最大变数。

下列关于Logistic回归和SVM的描述不正确的是（）。

假定训练了一个线性SVM并推断出这个模型出现了欠拟合现象，在下一次训练时，应该采取的措施是（）。

缓解过拟合的一个办法是允许支持向量机在一些样本上出错，（）形式适合这种方法。

在支持向量机中，（）允许支持向量机在一些样本上出错。

令N为数据集的大小[注：设训练样本（xi，yi），N即训练样本个数]，d是输入空间的维数（注：d即向量xi的维数）。则硬间隔SVM问题的原始形式[即在不等式约束[yi（wTxi+b）≥1]下最小化（1/2）wTw]在没有转化为拉格朗日对偶问题之前是（）。

SVM在（）情况下表现糟糕。

（）属于SVM应用。

下列关于支持向量机优化性问题形式的说法正确的是（）。