对于谓词公式,∃x(P(x,y)→Q(x,y))∨R(x,y)， 以下说法错误的是（ ）

Boosting和Bagging都是组合多个分类器投票的方法，二者都是根据单个分类器的正确率决定其权重

Dropout率和正则化有什么关系是Dropout率越高，正则化程度越低

循环神经网络按时间展开后就可以通过反向传播算法训练了

反向传播算法中需要先计算靠近输入层参数的梯度，再计算靠近输出层参数的梯￥度。

树形模型不需要归一化，它们不关心变量的值，如决策树、随机森林(Random Forest)

如果自变量 X 和因变量 Y 之间存在高度的非线性和复杂关系，那么树模型很可能优于经典回归方法。这个说法正确吗？

当采用K-距离的方法选择DBSCAN的Eps和MinPts参数时，如果设置的K的值太大，则小簇（尺寸小于K的簇）可能会被标记为

如果处理以下形状的数据时，适宜采用DBSCAN的是

对于DBSCAN，参数Eps固定，当MinPts取值较大时，会导致

如果我们希望预测n个类（p1，p2...pk）的概率使得所有n的p的和等于1，那么下列哪个函数可以用作输出层中的激活函数？