close（）函数用于关闭一个已打开的文件，允许调用多次。（）

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（）。

下列可分解为偏差、方差与噪声之和的是（）。

留出法直接将数据集划分为（）个互斥的集合。

下列关于欠拟合（under-fitting）的说法正确的是（）。

如果使用数据集的全部特征并且准确率能够达到100%，但在测试集上准确率仅能达到70%左右，这说明（）。