愛寫字的工程師某資安公司正在評估導入機器學習模型來偵測網路流量中的異常連線行為。技術團隊在比較各種演算法時，其中一位工程師建議採用支援向量機（SVM）。請問下列何者最正確敘述支援向量機的特性？
答案 （C）
核心概念
支援向量機透過尋找能最大化間隔（Margin）的超平面來分類，並可藉核函數處理非線性問題。
它的優勢在高維度小樣本的情境。即使特徵數多於樣本數也能有不錯的表現，且泛化能力佳。但它的訓練涉及樣本間的核矩陣運算，複雜度大致與樣本數的平方到三次方成正比，因此資料量一大，訓練成本就會急速上升。
答題技巧
快速判斷技巧：這題其實是四種模型特性的混合題。 ・(A) 幻想中的模型 ・(B) 集成學習 ・(D) 深度學習 ・(C) 才在講 SVM 認出其他三個描述的是誰，答案自然浮現。
易錯陷阱：含有「自動適應新進資料無需重新建模」這種違反常識的敘述，直接判定為錯。 任何模型都需要重訓才能學到新知識，這是機器學習的基本前提。