文件+模式可以读写，但文件一定要存在。（）

（）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。

下列回归模型中最能影响过拟合与欠拟合之间平衡的步骤是（）。

当训练集特征非常多，而实例非常少的时候，可以采用（）。

下列能够直观显示出学习器在样本总体上的查全率、查准率的是（）。