PERGUNTA 3
1. A ideia básica por trás de Support Vector Machines (SVMs) não lineares é mapear o conjunto de dados para um novo espaço de maior dimensão, denominado espaço de características (feature space), em que as classes são linearmente separáveis. Realiza-se, então, a classificação usando um SVM linear e, depois, retorna-se para a dimensão original. A otimização não é mais realizada diretamente sobre os dados de entrada, mas sobre os valores obtidos a partir do cálculo do kernel.

Com relação às funções kernel mais comuns, avalie as afirmações a seguir.

I. Temos a função kernel polinomial, dada pela fórmula:
II. Temos a função kernel RBF, dada pela fórmula:
III. Temos a função kernel tangencial, dada pela fórmula:

Está correto o que se afirma em:

a. I, II e III.

b. I e II, apenas.

c. II e III, apenas.

d. II, apenas.

e. III, apenas.