假设你需要调整参数来最小化代价函数（costfunction），会使用（）技术。

sklearn.naive_bayes模块实现了朴素贝叶斯算法，基于贝叶斯定理和特征独立性假设的监督学习方法，下列模型不是朴素贝叶斯分类器的是（）。

模型构建完毕需要对模型进行评估量化，需要用到的模块是（）。

sklearn.cluster模块实现的功能是（）。

（）模块提供了用于加载和获取流行的参考数据集的方法。

sklearn.decomposition.PCA（）的作用是（）。

随机森林等树状算法通过（）模块进行调用。

逻辑回归的实现采用的方法是（）。

线性回归算法主要在Sklearn中的（）模块中。

对模型进行超参数优化，详尽搜索指定参数的估计值使用（）函数。

对模型进行交叉验证可以使用（）方法。