生成器推导式比列表推导式具有更高的效率，推荐使用。（）

（）情况下，LDA会失败。

（）特征选择是直接把最终将要使用的学习器的性能作为特征子集的评价准则。

下列不属于特征选择的标准方法的是（）。

（）算法可以用于特征选择。

假设precision=TP/（TP+FP），recall=TP/（TP+FN），则在二分类问题中，当测试集的正例和负例数量不均衡时，下列评价方案中相对不合理的是（）。

在其他条件不变的前提下，（）容易引起机器学习中的过拟合问题。

有N个样本，一半用于训练，一半用于测试。若N增大，则训练误差和测试误差之间的差距会（）。

机器学习中发生过拟合的主要原因不包括（）。

假如使用一个较复杂的回归模型来拟合样本数据，使用Ridge回归，调试正则化参数λ，来降低模型复杂度。在λ较大时，下列关于偏差（bias）和方差（variance）关系的说法正确的是（）。

下列说法中：①一个机器学习模型，如果有较高准确率，总是说明这个分类器是好的；②如果增加模型复杂度，那么模型的测试错误率总是会降低；③如果增加模型复杂度，那么模型的训练错误率总是会降低。正确的是（）。