在做业务流程的梳理和分析时为了获得精确的结果下列不存在的级别是：（）。

信息的不确定性越大，熵的值也就越大。

Gini指数越大表示集合中被选中的样本被分错的概率越小，也就是说集合的纯度越高。

数据集太小，数据样本不足时，深度学习相对其它机器学习算法，有明显优势。

Kmean模型能自动生成K个聚类中心。

KNN不需要进行训练。

LR的损失函数为hingeloss（或者说是逻辑损失都可以）、而SVM的损失函数为Log损失。

LR更侧重全局优化，而树模型主要是局部的优化。

交叉熵损失函数的设计是基于最大似然思想：最大概率得到观察结果的假设是真的。

卷积神经网络由多个卷积层和池化层组成，卷积层负责对输入进行扫描以生成更抽象的特征表示，池化层对这些特征表示进行过滤，保留最关键的特征信息。

对于计算机视觉问题，效果最好的模型是经典的全连接神经网络。