相同内容的字符串使用不同的编码格式进行编码得到的结果并不完全相同。（）

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（）。

（）是交叉验证法的一种特例。

（）可在保证训练精度的情况下降低模型的复杂度。

假负率是指（）。

假设使用一个较复杂的回归模型来拟合样本数据。使用Ridge回归，并调整正则化参数λ以降低模型复杂度。在λ非常小的情况下，下列关于偏差与方差的说法正确的是（）。

机器学习算法在学习过程中对某种类型假设的偏好称为（）。

泛化误差可分解为偏差、方差与噪声之和，当学习器拟合程度不够强时，（）主导了泛化错误率。

在留出法、交叉验证法和自助法三种评估方法中，（）更适用于数据集较小、难以划分训练集和测试集的情况。

AUC是衡量（）模型优劣的一种评价指标。