A.正态分布
B.均匀分布
C.泊松分布
D.贝叶斯分布

A.K-近邻算法
B.决策树算法
C.支持向量机
D.线性回归

A.找出频繁项集
B.找出异常值
C.预测未来趋势
D.描述变量之间的关系

A.数据规范化
B.数据插补
C.特征选择
D.数据清洗

A.K-均值算法
B.主成分分析（PCA）
C.决策树
D.随机森林

A.模型过于简单，无法捕捉数据中的模式
B.模型过于复杂，对训练数据过度敏感
C.模型的准确度非常高
D.模型的泛化能力很强

A.零频率问题
B.缺失数据
C.连续变量
D.异常值

A.对异常值敏感
B.等权重地考虑所有特征
C.适应性地调整弱学习器的权重
D.只能用于分类问题

A.两个概率分布的相似性
B.模型的准确度
C.数据的方差
D.数据的偏态

A.提高模型的训练速度
B.结合不同模型的优势
C.降低模型的复杂性
D.减少过拟合的风险

A.线性回归问题
B.非线性优化问题
C.逻辑回归问题
D.聚类问题