类多态是不同的对象调用相同的函数，产生不同的效果。（）

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（）。

假如使用逻辑回归对样本进行分类，得到训练样本的准确率和测试样本的准确率。现在，在数据中增加一个新的特征，其他特征保持不变。然后重新训练测试。则下列说法正确的是（）。

逻辑回归将输出概率范围限定为[0，1]，（）函数能起到这样的作用。