Week7_Support Vector Machines课后习题解答

        大家好，今天和大家讨论一下coursera网站上Stanford University的机器学习第7周：Support Vector Machines的课后作业解答。我将给出这些题目和选项的翻译以及个人对题目的见解和看法，这些观点中有些可能是错误的，如有发现，请留言批评指正，谢谢。特此提醒，由于不同学生的题目参数，选项都会不同，请同学们不要照抄，因为我的答案给你可能完全是错误的答案，但是每道题的原理都是一样的。

        这周的课程中，吴恩达老师主要向我们介绍了四大方面的内容。
        1.SVM从逻辑回归算法的演化过程以及它的具体模型。
        2.为何SVM算法又称Large Margin Classification,解释SVM的边界Margin的具体含义。
        3.Kernal的具体定义以与SVM算法结合的使用方法。
        4.SVM的具体使用步骤，linear kernel,Guassian kernel自定义kernel的选取原则。Multi-calss classification的分类方法。在不同训练样本数m和特征值个数n的情况下，如何选择Logistic regression,SVM or Neural Networks.
       
        好的，话不多说，下面直接进入我们的习题解答。
1.第一题
       
（1）题意：假设利用高斯核函数训练支持向量机，得到如下的决策线。你认为你的算法对数据集欠拟合的，你应该增大还是减小C？增大还