A.轮廓系数
B.共性分类相关系数
C.熵
D.F度量

A.将负样本重复10次，生成10w样本量，打乱顺序参与分类
B.直接进行分类，可以最大限度利用数据
C.从10w正样本中随机抽取1w参与分类
D.将负样本每个权重设置为10，正样本权重为1，参与训练过程

A.最小损失准则
B.N-P判决
C.最小最大损失准则
D.最小误判概率准则

A.构建决策树输入数据的随机选取
B.构建决策树分裂节点的随机选取
C.构建决策树树的数量的随机选取
D.构建决策树所需特征的随机选取

A.这个被重复的特征在模型中的决定作用会被加强
B.模型效果相比无重复特征的情况下精确度会降低
C.如果所有特征都被重复一遍，得到的模型预测结果相对于不重复的情况下的模型预测结果一样
D.当两列特征高度相关时，无法用两列特征相同时所得到的结论来分析问题

A.基本假设包括随机干扰项是均值为0，方差为1的标准正态分布
B.基本假设包括随机干扰项是均值为0的同方差正态分布
C.在违背基本假设时，普通最小二乘法估计量不再是最佳线性无偏估计量
D.在违背基本假设时，模型不再可以估计

A.可决系数R^2的定义为被回归方程已经解释的变差与总变差的比
B.0<=R^2<=1
C.可决系数R^2反映了样本回归线对样本观测值拟合优劣程度的一种描述
D.可决系数R^2的大小不受到回归模型中所包含的解释变量个数的影响

A.用信息增益率来选择属性
B.在树构造过程中进行剪枝
C.能够完成对连续属性的离散化处理
D.在树的构造过程中，不需要对数据集进行多次的顺序扫描和排序

A.KNN
B.线性回归
C.逻辑回归
D.K-Means

A.二者都可以处理分类问题
B.二者都可以增加不同的正则化项
C.二者都是参数模型
D.SVM的处理方法是只考虑supportvectors，也就是和分类最相关的少数点，去学习分类器

A.有放回简单随机抽样
B.无放回简单随机抽样
C.分层抽样
D.整群抽样