盲人看不到一切物体，他们可以通过辨别人的声音识别人，这是智能的（ ）方面。

如果 SVM 模型欠拟合, 以下方法哪些可以改进模型 : （）

对于信息增益, 决策树分裂节点, 下面说法正确的是: （ ） 1.纯度高的节点需要更多的信息去区分￥2.信息增益可以用”1 比特-熵”获得￥3.如果选择一个属性具有许多归类值, 那么这个信息增益是有偏差的

模型的高 bias 是什么意思, 我们如何降低它 ?（ ）

回归模型中存在多重共线性, 你如何解决这个问题？￥1.去除这两个共线性变量￥2.我们可以先去除一个共线性变量￥3.计算 VIF(方差膨胀因子), 采取相应措施￥4.为了避免损失信息, 我们可以使用一些正则化方法, 比如, 岭回归和 lasso 回 归.￥以下哪些是对的：（）

对于 k 折交叉验证, 以下对 k 的说法正确的是 :（ ）

“过拟合”只在监督学习中出现，在非监督学习中，没有”过拟合”，￥这是：（ ）

bootstrap 数据是什么意思？（提示：考“bootstrap”和￥“boosting”区别）（ ）

对数几率回归（logistics regression）和一般回归分析有什么区别？￥（ ）

在一个 n 维的空间中， 最好的检测 outlier(离群点)的方法是：（ ）

一般，k-NN 最近邻方法在( )的情况下效果较好。