Python私有成员只能内部访问，不能从对象来访问。（）

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（）。

当学习器将训练样本自身的特点作为所有潜在样本都具有的一般性质，这样会导致泛化性能下降，这种现象称为（）。

（）表达了在当前任务上任何学习算法所能达到的期望泛化误差的下界，即刻画了学习问题本身的难度。

在逻辑回归输出与目标对比的情况下，下列评估指标不适用的是（）。