Python中，元组不支持像列表那样通过索引方式进行访问。（）

假设使用原始的非线性可分版本的Soft-SVM目标函数作为最优化对象，则可通过（）来保证得到的模型是线性可分离的。

在多元线性回归模型中，若某个解释变量对其余解释变量的判定系数接近于1，则表明模型中存在（）。

下列说法中：①R-Squared和Adjusted R-squared都是递增的；②R-Squared是常量的，Adjusted R-squared是递增的；③R-Squared是递减的，Adjusted R-squared也是递减的；④R-Squared是递减的，Adjusted R-squared是递增的。对于线性回归模型，包括附加变量在内，可能正确的是（）。

一元线性回归方程y=0.7+0.82x，判定系数等于0.64，则x与y的相关系数为（）。

下列关于线性模型的描述错误的是（）。

线性模型中的权重w可以看做各个属性x的（）。

当训练样本近似线性可分时，（）。

线性判别分析在二分类问题上也称为（）。

（）试图学得一个通过属性的线性组合来进行预测的函数。

假设一个线性回归模型完美适合训练数据（训练误差为0），则下列说法正确的是（）。