Python中Jieba库的基本实现原理包含（）。

在支持向量机中，（）允许支持向量机在一些样本上出错。

令N为数据集的大小[注：设训练样本（xi，yi），N即训练样本个数]，d是输入空间的维数（注：d即向量xi的维数）。则硬间隔SVM问题的原始形式[即在不等式约束[yi（wTxi+b）≥1]下最小化（1/2）wTw]在没有转化为拉格朗日对偶问题之前是（）。

SVM在（）情况下表现糟糕。

（）属于SVM应用。

下列关于支持向量机优化性问题形式的说法正确的是（）。

假定使用SVM学习数据X，数据X里面有些点存在错误。现在如果使用一个二次核函数，多项式阶数为2，使用松弛变量C作为超参之一。当使用较大的C（C趋于无穷），则（）。

在支持向量机中，软间隔支持向量机的目标函数比硬间隔支持向量机多了一个（）。

如果使用线性回归模型，则下列说法正确的是（）。

假设有n组数据集，每组数据集中x的平均值都是9，x的方差都是11，y的平均值都是7.50，x与y的相关系数都是0.816，拟合的线性回归方程都是y=3.00+0.500x。那么这n组数据集（）。

在一个简单的线性回归模型中（只有一个变量），如果将输入变量改变一个单位（增加或减少），那么输出将改变（）。